Yolov5笔记--检测bilibili下载好的视频

目录

1--下载yolov5源码

2--下载测试的bilibili视频

3--利用预训练模型检测bilibili视频

4--结果展示


1--下载yolov5源码

下载源码地址:Download

下载预训练好的模型:预训练模型.pt文件下载

将下载好的预训练模型放在新建的pretrained文件中:

2--下载测试的bilibili视频

下载方式参考本人上一篇博客:利用python下载bilibili视频

将下载好的视频利用格式工厂等软件转换成yolov5能够识别的视频格式(如.mp4),并放置在data文件夹中的images文件夹。(也可新建一个videos文件夹)

3--利用预训练模型检测bilibili视频

①打开终端cmd,并 cd 进入 yolov5-master 文件夹;

cd xxxx\yolov5-master

②激活yolov5环境

activate yolo5

yolo5是本人搭建好的一个yolov5环境,搭建yolov5环境的方法可参考连接教程--搭建yolov5环境

③运行以下代码:

python detect.py --weights pretrained/yolov5l.pt --source  data/images/video_test1.mp4

## pretrained/yolov5l.pt 为预训练模型所在文件夹
## data/images/video_test1.mp4 为要检测视频所在文件夹

4--结果展示

原视频地址:bilibili原视频地址

检测结果部分截图:(结果存放在runs下的exp文件夹

 

 

 

资源为视频检测算法代码包括算法的模型,算法实现的原理是:首先在视频检测跟踪之前,对所有目标已经完成检测,那么当第一帧进来时,以检测到的目标初始化并创建新的跟踪器,标注ID,输出行人图片,输出一组向量,通过比对两个向量之间的距离,来判断两副输入图片是否是同一个行人。在后面帧进来时,先到卡尔曼滤波器中得到由前面帧box产生的状态预测和协方差预测,并且使用确信度较高的跟踪结果进行预测结果的修正。求跟踪器所有目标状态与本帧检测的box的IOU,通过匈牙利算法寻找二分图的最大匹配,在多目标检测跟踪问题中为寻找前后两帧的若干目标的匹配最优解,得到IOU最大的唯一匹配,在去掉匹配值小于iou_threshold的匹配对。 用本帧中匹配到的目标检测box去更新卡尔曼跟踪器,计算卡尔曼增益,状态更新和协方差更新。并将状态更新值输出,作为本帧的跟踪box,再对于本帧中没有匹配到的目标重新初始化跟踪器。 yolo v3首先通过特征提取网络对输入图像提取特征,得到一定size的feature map,通过尺寸聚类确定anchor box。对每个bounding box网络预测4个坐标偏移。如果feature map某一单元偏移图片左上角坐标,bounding box预选框尺寸为,即anchor尺寸,那么生成对预测坐标为,此为feature map层级.而为真值在feature map上的映射,通过预测偏移使得与一致。类别预测方面为多标签分类,采用多个scale融合的方式做预测。
评论
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