基于目标检测的狗品种识别及图像检索

最新推荐文章于 2025-05-14 09:59:53 发布

原创

最新推荐文章于 2025-05-14 09:59:53 发布 · 5.3k 阅读

51 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #目标检测 #狗品种识别 #图像分类

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 >

文章目录

前言
简介
- 项目介绍
- 实验需要
方案
目标检测
- 特征提取
- 检索设计
总结

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