超级会员免费看
本文介绍了利用CVPR 2022 FGVC9竞赛中的数据集，通过ResNet网络进行酒店房间识别以打击人口贩运。项目涉及数据预处理、模型训练和验证，采用Mean Average Precision at 5 (MAP@5)作为评估标准。数据预处理包括图像尺寸调整、边界填充和并行处理，模型训练则涉及ResNet网络的使用。项目展示了如何通过计算机视觉技术提升打击人口贩运的能力。
据报道，每年约有20,000名妇女遭到拐卖，许多犯罪分子在酒店房间内给人口贩运的受害者拍照。这些照片在警方调查中至关重要，然而，由于图像质量通常受到像素不足和摄像机角度问题的影响，识别这些酒店房间对于破案工作来说颇具挑战。
在CVPR 2022的FGVC9（细粒度视觉分类）研讨会上，有一个专门的竞赛致力于打击人口贩运，通过计算机视觉技术来识别酒店房间。即使在没有受害者的情况下，酒店识别仍是一项具有挑战性的任务，但是利用ResNet网络，可以有效解决这一问题。
项目介绍
本案例数据地址 Hotel-ID 2022 train images 256x256。
使用的数据集来自 TraffickCam 的测试图像，旨在通过识别酒店房间的特征来进行分析。该数据集基于一个大型的训练图像库，其中包含了已知酒店 ID 的图像。
其中使用的评估标准是 Mean Average Precision at 5 (MAP@5)，表示在前5个预测中的平均精度。计算公式如下：
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
