11、基于神经网络与强化学习的玩具识别与抓取

基于神经网络与强化学习的玩具识别与抓取

1. 神经网络玩具识别

1.1 玩具检测器构建与测试

在使用神经网络进行玩具识别时，我们通过反向传播将误差从网络末端传回起始端，然后开启下一轮循环。完成训练后，可使用以下命令测试玩具检测器：

yolo task=detect mode=predict model=last.pt source=toy1.jpg imgsz=640

程序输出如下信息：

Speed: 4.0ms preprocess, 44.7ms inference, 82.6ms postprocess per image at shape (1, 3, 640, 640)
Results saved to runs\detect\predict4

我们可以在 ./runs/detect/predict 目录下找到带有标注检测结果的图像，文件名会根据检测运行次数添加编号。

1.2 检测结果分析

检测器的输出包含每个检测对象的信息，示例如下：

"predictions": [
 {
 "x": 287.5,
 "y": 722.5,
 "width": 207,
 "height": 131,
 "confidence": 0.602,
 "class": "toy"
 }
]

这些信息包括边界框中心的 x 和 y </