条形码和二维码在识别的时候主要包含定位和解码两个步骤。寻找码的位置,除了用传统的图像算法之外,也可以借助深度学习。那么深度学习的效率如何,我做了一个实验。
为QR二维码训练YOLOv3模型
编译Darknet
下载Darknet
git clone https://github.com/AlexeyAB/darknet --depth 1
我的环境是Windows,所以需要安装以下工具:
- CMake 3.18.4
- Visual Studio 2019 Community edition
- OpenCV 4.5.0。系统环境变量中添加
OpenCV_DIR = C:\opencv\build。 在PATH中添加C:\opencv\build\x64\vc15\bin。 - CUDA 10.1
- cuDNN 7.6.5
环境搭建的时候,CUDA是最坑的。虽然在命令行中发现nvcc可以工作,但CMake可能死活找不到。这里的问题是CUDA的Visual Studio插件没有装

本文详细介绍了如何从头开始训练一个YOLOv3模型,专门用于检测QR二维码。首先,讲述了在Windows环境下编译Darknet的过程,接着是数据准备,包括收集和标注QR图片。然后,描述了训练过程,并对训练出的模型进行了性能测试,比较了YOLOv3和YOLOv3-tiny在检测QR二维码时的效率。最后,提供了训练好的模型权重文件供下载。
最低0.47元/天 解锁文章


被折叠的 条评论
为什么被折叠?



