基于目标检测的狗品种识别及图像检索

该项目利用YOLOv3进行目标检测,ResNet进行特征提取,对Stanford Dogs Dataset中的18种狗进行品种识别和图像检索。通过数据增强提升识别效果,采用暴力欧氏距离检索,最终实现狗品种的识别和相似图像检索。虽然存在耗时和精度问题,但对于初学者是学习计算机视觉应用的好案例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前言

代码已经在Github开源:BshoterJ ,也可以查看我朋友唐博士的:INFINITSY

demo:
在这里插入图片描述

简介

项目介绍

这个项目来自本科实验课设,当初的选题是显著性检测下的图像检索,类似于淘宝的拍立得那种功能。我们在狗年结束之际打算做一个“搜狗”的脚本,识别品种并将与之最相近的若干张图库中的图输出。不过既然不是直接提特征检索,那么我们可以选目标较多比较难分的数据集了。

实验需要

实验平台:ubuntu14.06 + Python3.6 + Pytorch0.4 + keras
数据集:来自Stanford Dogs Dataset
我们选取其中较常见的18种狗,由于每种狗只提供150-200张左右,我们分了训练集2533张,验证集629张,图库18类*25张。
在这里插入图片描述

方案

不过显著性算法之前没有接触过,网上找的别人的传统算法和开源的深度学习算法看起来也并不

评论 2
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
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