20天快速入门目标检测

目标检测入门


作为目标检测领域刚入门的一枚小菜鸡,该系列文章旨在记录本人的学习历程,以及帮助小白快速入门目标检测算法,如有错误还请大佬指正。

记录一下,本篇博客写于2021年4月11日,硕士论文最终稿提交的第三天!

从2020年9月份打算用基于深度学习的目标检测算法做毕设,到2021年1月28日开始学习相关知识体系,半年时间都在漫无目的地准备学习资料(哈哈,其实是觉着毕业还早,盲目自大)。2020年1月29日,寒假回家途中,突然想到距离4月8日论文最终稿截止日期仅有三个月的时间,对没错,“炸了”、“咋整啊”、“延期了啊”,脑海里只有这些想法。此时的状态是:只知道目标检测是用来检测图像中感兴趣物体的一种手段,具体要用什么开发工具,什么开发语言,什么开发环境(这都是什么花里胡哨的),一无所知。人嘛,总要为之前的行为付出代价的!于是赶紧回忆了半年来知乎、微博等等各大网站中如何入门目标检测的文章,以及哪个培训机构靠谱的帖子,最终选择了“。。吧”辅导机构。回到家,交了钱,便开始学习了。人在焦急、恐慌的时候做的决定靠谱吗?答案当然是否定的啦。跟着网课学了2天,各种问题接踵而至,不适合入门、没有针对性、助教也有问题等等。工欲善其事必先利其器,冷静下来花了一天的时间仔细研究如何入门问题。没错,当然是吴恩达老师的机器学习和深度学习课程。好了,言归正传!如何20天快速入门目标检测算法呐?

目标检测入门捷径

1.两天时间快速掌握Python语言的基础语法。记住,你的目的是目标检测,而不是开发语言,没必要精通,而且后面大量的算法程序会帮助你学习Python,没必要在前期浪费大量时间。
2.一天时间快速入门吴恩达老师的机器学习(只需要看前四章,即视频4-8之前部分)。这个资源有很多,这里给出哔哩哔哩中的链接:吴恩达机器学习
3.一星期时间快速入门吴恩达老师的深度学习(只需要看前四课,即循环神经网路之前的部分)。同样的给出哔哩哔哩中的链接:[吴恩达深度学习]
(https://www.bilibili.com/video/BV1gb411j7Bs?from=search&seid=4281242292815237800)
4.一个星期快速入门李飞飞老师的计算机视觉。同样的给出哔哩哔哩中的链接:李飞飞计算机视觉
5.看经典论文:Faster R-CNN,SSD,YOLO等。
6.去Github上下载一个目标检测的完整项目,调试跑通。

  • 4
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
Python目标检测入门可以通过使用ImageAI库来实现。首先,你需要创建一个Python文件,并导入ObjectDetection类。你可以使用以下代码来导入ObjectDetection类:`from imageai.Detection import ObjectDetection`。接下来,你需要定义模型路径、输入图像路径和输出图像路径。你可以使用以下代码来完成这些定义:`model_path = "./models/yolo-tiny.h5",input_path = "./input/test_car.png",output_path = "./output/pre_car.png"`。然后,你需要实例化ObjectDetection类,并设置模型类型为TinyYOLOv3,加载模型。使用以下代码来完成这些步骤:`detector = ObjectDetection(),detector.setModelTypeAsTinyYOLOv3(),detector.setModelPath(model_path),detector.loadModel()`。接下来,你可以使用`detectObjectsFromImage`方法来检测图像中的对象,并将结果保存在列表中。最后,你可以遍历列表并打印每个检测到的对象的名称和概率。下面是完整的示例代码: ```python from imageai.Detection import ObjectDetection # 实例化 detector = ObjectDetection() # 路径定义 model_path = "./models/yolo-tiny.h5" input_path = "./input/test_car.png" output_path = "./output/pre_car.png" # 设置预训练模型路径 detector.setModelTypeAsTinyYOLOv3() detector.setModelPath(model_path) # 加载模型 detector.loadModel() # 检测对象并保存结果图像 detections = detector.detectObjectsFromImage(input_image=input_path, output_image_path=output_path) # 打印检测结果 for eachObject in detections: print(eachObject["name"], " : ", eachObject["percentage_probability"]) ``` 希望对你有帮助!<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [[Python图像识别] 四十五.目标检测入门普及和ImageAI“傻瓜式”对象检测案例详解 (1)](https://blog.csdn.net/Eastmount/article/details/119107913)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值