1,YOLOv3模型简介
YOLO能实现图像或视频中物体的快速识别。在相同的识别类别范围和识别准确率条件下,YOLO识别速度最快。
YOLO有多种模型,包括V1,V2,V3,其中V3识别准确率最高,但对硬件要求也高。还有tiny模型。也可针对特定识别物体类别进行训练,获得应用需要的专用模型。
本次测试采用V3模型。对实际车场图片进行批量检测,对检测结果进行分析,重点是车位中的车辆能否得到正确识别,以探讨YOLO V3模型应用于车场车位状态检测中的可行性。
2,测试环境
操作系统
Windows7 64位
Cpu
Gpu
0
内存
4GB
输入图片的数量和规格
2019张,960*1280
运行时间
2018-05-23 18:03~~2018-05-24 05:01
检测模型
YOLO v3
物体检测阈值
置信度 > 0.25
物体分类模型
80种,与车位车辆相关的4种(car, motorbike, truck, bus)。详见coco.names
3,测试数据和结果
运行总时间
11小时
平均每张图片的分析时间
2