深度学习和OpenCV的对象检测(MobileNet SSD图像识别)

本文介绍了如何结合MobileNets和Single Shot Detector(SSD)实现快速、高效的深度学习对象检测,特别是在资源有限的设备上。MobileNets通过深度可分离卷积降低计算量,OpenCV的dnn模块则被用来构建对象检测器,能够检测图像中的20种对象。此外,文章还探讨了如何利用SSD和MobileNets的组合来平衡速度和准确性。
摘要由CSDN通过智能技术生成

基于深度学习的对象检测时,我们主要分享以下三种主要的对象检测方法:

  • Faster R-CNN(后期会来学习分享)
  • 你只看一次(YOLO,最新版本YOLO3,后期我们会分享)
  • 单发探测器(SSD,本节介绍,若你的电脑配置比较低,此方法比较适合

R-CNN是使用深度学习进行物体检测的训练模型; 然而,这种技术很难理解,难以实施,并且难以训练。

如果我们只追求速度,那么我们倾向于使用YOLO,因为这个算法要快得多,但是识别物体位置精准性差,召回率低

R-CNN 与YOLO各有自己的优缺点,由谷歌开发的SSD是两者之间的平衡。

MobileNets:高效(深层)神经网络

在构建对象检测网络时,通常使用现有的网络架构,例如VGG或ResNet,然后在对象检测管道中使用它。问题是这些网络架构可能非常大,大约为200-500MB。

相反,我

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

打赏作者

人工智能研究所

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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