基于YOLO的智能识别系统 baseline #AI夏令营 #Datawhale #夏令营

最新推荐文章于 2024-08-27 15:59:12 发布

❣凡

最新推荐文章于 2024-08-27 15:59:12 发布

阅读量202

点赞数 7

文章标签： YOLO 人工智能 opencv

本文链接：https://blog.csdn.net/qq_44413833/article/details/141569884

版权

#AI夏令营 #Datawhale #夏令营

写在最前

本文用于记录Datawhale夏令营 CV part 学习过程。夏令营以学习CV进阶内容为主，并参与以城市治理为主题的相关比赛。后续将不断进行更新。

Task 1 从零上手CV竞赛

赛事任务

利用图像处理和计算机视觉技术开发一套智能识别系统，自动检测和分类摄像头捕获的视频中，城市管理中的违规行为。

模型评价准则

分数越高越好使用F1score、MOTA指标来评估模型预测结果。

对每个json文件得到两个指标的加权求和，最终得分为所有文件得分取均值。
【1】若真实目标框与预测框IOU大于0.5，则判定目标正确识别。若MOTA指标为负，则该类别精度得分为0。
【2】若该视频中没有某个类别的目标，则此类别计算均值时，忽略该视频。

智能识别系统数据集分析

系统根据监控数据与对应违规行为标注。
baseline违规行为包括垃圾桶满溢、机动车违停、非机动车违停等。
视频数据为mp4格式，标注文件为json格式，每个视频对应一个json文件。

frame_id：违规行为出现的帧编号
event_id：违规行为ID
category：违规行为类别
bbox：检测到的违规行为矩形框的坐标，[xmin,ymin,xmax,ymax]形式


```python
{

  "frame_id": 20,

  "event_id": 1,

  "category": "机动车违停",

  "bbox": [200, 300, 280, 400]

},

{

  "frame_id": 20,

  "event_id": 2,

  "category": "机动车违停",

  "bbox": [600, 500, 720, 560]

},

{

  "frame_id": 30,

  "event_id": 3,

  "category": "垃圾桶满溢",

  "bbox": [400, 500, 600, 660]

}