一:目标检测介绍
YOLO的全称是you only look once,指只需要浏览一次就可以识别出图中的物体的类别和位置。
因为只需要看一次,YOLO被称为Region-free方法,相比于Region-based方法,YOLO不需要提前找到可能存在目标的Region。
也就是说,一个典型的Region-base方法的流程是这样的:先通过计算机图形学(或者深度学习)的方法,对图片进行分析,找出若干个可能存在物体的区域,将这些区域裁剪下来,放入一个图片分类器中,由分类器分类。
因为YOLO这样的Region-free方法只需要一次扫描,也被称为单阶段(1-stage)模型。Region-based方法方法也被称为两阶段(2-stage)方法。
二:自动化方面应用
1:验证识别 如:滑块验证等
2:目标动态识别 如:怪物动态移动位置等,识别目标不受影响
3:目标形态识别 如:怪物角度形态变化等,识别目标不受影响
4:目标光影变化识别 如:天气变化,光影变化等,识别目标不受影响
5:目标缩放识别 如:怪物目标放大或者缩小,识别目标不受影响
6:目标跨分辨率识别 如:自动化改变运行环境分辨率,识别目标不受影响
6:懒人精灵已经兼容安卓本地识别,不是服务器运算,是本地运算,目标检测速度快
三:yolov5课程列表
课程分类 | 主课程列 | 段落课程列 | 上手 | 课节 |
注:本课程基于懒人精灵提供的本地yolov5插件实现,脱离服务器,完全自主的yolo目标检测,报名前先咨询,显卡最低N卡1060,4-6g显存 | 环境部署 |
| 比较难 | 23 |
| ||||
| ||||
识别验证 |
| |||
| ||||
| ||||
| ||||
| ||||
| ||||
| ||||
识别跳台 |
| |||
| ||||
| ||||
识别射击 |
| |||
| ||||
| ||||
识别怪物 |
| |||
| ||||
| ||||
识别资源 |
| |||
| ||||
识别指引 |
| |||
| ||||
说明 | 课程看起来比较少,不过主要是解决问题,如:解决一个验证,你对接平台也是费用,请人搞单个项目本地的,没有几百上千拿不下来,本课学会,完全自主,任何项目需要的都可以用,所以本课程价值自己考虑 |