fast rcnn 예제

    별구 분석 파일 ————————————————————————— 속성오류 추적백 (가장 최근 호출) ~ Image_ProcessingObject_Detectionkeras-frcnntrain_frcnn.py in () 77 C.base_net_paths = nn.get_weight_path() 78 —> 79 all_imgs, 클래스_카운트 , class_mapping = get_data (options.train_path) 80 81 클래스_count에 없는 경우: Keras_frcnn 개체 감지를 위한 훌륭한 라이브러리로 입증 되었으며, 이 시리즈의 다음 기사에서는 YOLO, SSD 등과 같은 고급 기술에 초점을 맞출 것입니다. 디렉터리 데이터를 만들고 데이터 준비 지침을 위해 py-fast-rcnn을 따릅니다. ~Image_ProcessingObject_Detectionkeras-frcnnsimple_parser.py in get_data(input_path) 35 36 img = cv2.imread(파일 이름) —> 37(행, 콜) = img.shape[:2] 38 all_imgs[파일 이름][파일 경로] = cols VGG16 네트워크는 여기에서 기능 추출 모듈로 사용되며, 이것은 RPN 네트워크와 Fast_R-CNN 네트워크 모두에 대한 백본 역할을합니다. 이 작업을 수행하려면 VGG 네트워크를 몇 가지 변경해야 합니다. 네트워크의 입력이 800이기 때문에 피쳐 추출 모듈의 출력은 피처 맵 크기(800//16)를 가져야 합니다. 따라서 VGG16 모듈이 이 기능 맵 크기를 달성하는 위치를 확인하고 네트워크를 더까지 다듬어야 합니다. 이 작업은 다음과 같은 방법으로 수행할 수 있습니다. keras_frcnn GitHub 리포지토리를 복제하지 않았을 수 있으므로 이 오류가 발생합니다. 스크립트를 실행하기 전에 이 리포지토리를 복제해야 합니다. 마지막으로 감지된 개체가 있는 이미지가 “results_imgs” 폴더에 저장됩니다. 다음은 빠른 R-CNN을 구현한 후 얻은 예측의 몇 가지 예입니다: 빠른 R-CNN은 빠른 R-CNN과 유사한 다중 작업 손실 함수에 최적화되어 있습니다. 많은 알고리즘이 있습니다. 어떤 것을 사용해야 합니까? 현재, 빠른 RCNN은 정확도 숫자에 대한 광신자 인 경우 선택입니다.

    그러나, 만약 당신이 계산에 대 한 묶여 (아마 엔비디아 Jetsons에서 실행), SSD는 더 나은 권장 사항.