OEM Նոր սովորական երկաթուղային փականի հավաքում F00VC01329 0445110168 169 284 315 ներարկիչի համար

Ավտոմոբիլային ներարկիչի փականի նստատեղի անսարքության հայտնաբերում` հիմնված առանձնահատկությունների միաձուլման վրա(մաս 3)

Արդյունքում, ներարկիչի փականի նստատեղի հայտնաբերման ժամանակ նկարը պետք է սեղմվի, և նկարի չափը մշակվի մինչև 800 × 600, միասնական ստանդարտ պատկերի տվյալները ստանալուց հետո տվյալների ընդլայնման մեթոդը օգտագործվում է տվյալների պակասից խուսափելու համար, և մոդելի ընդհանրացման ունակությունը բարելավվում է:Տվյալների կատարելագործումը խորը ուսուցման մոդելների վերապատրաստման կարևոր մասն է [3]:Ընդհանուր առմամբ տվյալների ավելացման երկու եղանակ կա.Մեկը ցանցային մոդելին տվյալների խաթարման շերտ ավելացնելն է, որպեսզի պատկերն ամեն անգամ վարժեցվի, կա ևս մեկ եղանակ, որն ավելի պարզ և պարզ է, պատկերների նմուշները բարելավվում են պատկերի մշակմամբ նախքան մարզումը, մենք ընդլայնում ենք տվյալների հավաքածուն՝ օգտագործելով պատկերի բարելավման մեթոդներ, ինչպիսիք են երկրաչափությունը և գունային տարածությունը, և օգտագործեք HSV գունային տարածության մեջ, ինչպես ցույց է տրված Նկար 1-ում:

Ավելի արագ R-CNN թերության անսարքության մոդելի կատարելագործում Faster R-CNN ալգորիթմի մոդելում, առաջին հերթին, դուք պետք է արդյունահանեք մուտքային նկարի առանձնահատկությունները, և արդյունահանված ելքային հատկանիշները կարող են ուղղակիորեն ազդել վերջնական հայտնաբերման էֆեկտի վրա:Օբյեկտների հայտնաբերման առանցքը հատկանիշի արդյունահանումն է:Faster R-CNN ալգորիթմի մոդելում առանձնահատկությունների արդյունահանման ընդհանուր ցանցը VGG-16 ցանցն է:Ցանցի այս մոդելն առաջին անգամ օգտագործվել է պատկերների դասակարգման մեջ [4], այնուհետև այն գերազանց է եղել իմաստային հատվածավորման [5] և ընդգծվածության հայտնաբերման մեջ [6]:

Faster R-CNN ալգորիթմի մոդելի առանձնահատկությունների արդյունահանման ցանցը դրված է VGG-16-ի վրա, թեև ալգորիթմի մոդելը լավ կատարում է հայտնաբերման մեջ, այն օգտագործում է միայն վերջին շերտի առանձնահատկությունների քարտեզի ելքը պատկերի առանձնահատկությունների արդյունահանման մեջ, ուստի կլինի: որոշ կորուստներ և առանձնահատկությունների քարտեզը չեն կարող ամբողջությամբ լրացվել, ինչը կհանգեցնի փոքր թիրախային օբյեկտների հայտնաբերման անճշտության և կազդի վերջնական ճանաչման էֆեկտի վրա: