小样yx的博客

目录前言一、人脸识别技术相关概念二、MTCNN算法三、FaceNet四、人脸识别试验前言最近想玩一玩人脸识别，于是就弄了弄呀，代码在最后一节。一、人脸识别技术相关概念1、人脸检测检测出图像中人脸所在位置，输出就是框好人脸位置的图片2、人脸配准人脸配准算法的输入是“一张人脸图片”加“人脸坐标框”，输出五官关键点的坐标序列。五官关键点的数量是预先设定好的一个固定数值，可以根据不同的语义来定义（常见的有5点、68点、90点等等，通过关键点将五官轮廓框出）。3、人脸对齐由于原始图像中的人脸可能

目录前言效果运行环境前言上个礼拜一直在把结课答辩的小项目结题，做的就是一个基于yolov4的抽烟检测，虽然在答辩上没有啥特别亮点，并且有些地方可以改进，比如再加入烟雾检测，但算是拿来练手吧。下面演示一下结果，本文最后会附上整个源码+数据集+运行环境+训练出的模型，项目讲解可以看链接下载后中的ppt，数据集是kaggle提供的数据集以及自己用爬虫爬取的数据集，去除了大部分老重复的图，就是做了一定筛选，有2400+抽烟图片，并全部自己和舍友标注了。效果用了10张图片进行预测，预测出了8张，2张未预测出，

前言该篇文章主要是自己学习yolov4时做的一个总结，让自己理解更清晰，综合多个优质博主及yolov4论文原文，写出的一些学习理解。yolov4论文下载链接：yolov4-keras源码链接：yolov3原理：一、yolov4性能表现在论文的第一页就有上面这张图，意思是研究者对比了 YOLOv4 和当前最优目标检测器，发现YoLov4在取得EfficientDet同等性能的情况下，速度是它的两倍。，并且AP与FPS这两项指数相比YOLOv3分别提高了10%与12%。AP：average pr

目录前言正文一、下载yolov3模型二、训练前准备工作三、训练部分四、预测部分前言如果还没了解yolov3原理的，可以看看该文：https://blog.youkuaiyun.com/weixin_39615182/article/details/109752498正文一、下载yolov3模型网盘地址：https://pan.baidu.com/s/1igK0t_2dSowFEyiPUl2ZiQ 密码：ot0v下载后打开是这样：二、训练前准备工作先解释下上面的部分较重要文件夹logs：存储最后训练好

本文分三个部分进行讲解一、实现效果与数据下载链接二、相应代码三、yolo原理一、实现效果与数据下载链接视频识别效果，链接如下：https://www.bilibili.com/video/BV1fa4y1p7eg数据下载链接：https://pan.baidu.com/s/1nm72db7e9GbBR-vQ5bWNAg提取码：cng5–>解压后二、相应代码video_detection.pyimport numpy as npimport cv2import osimpor

yolov3目标检测原理目录前言详细过程yolov3检测流程原理（重点）第一步：从特征获取预测结果第二步：预测结果的解码第三步：对预测出的边界框得分排序与非极大抑制筛选前言本文是自己在b站视频讲解学习，并且查阅理解许多文章后，做的通俗理解与总结，欢迎评论交流。yolov3检测分两步：1、确定检测对象位置2、对检测对象分类（是什么东西）即在识别图片是什么的基础上，还需定位识别对象的位置，并框出。我们首先上一幅图宏观理解下图中的红框是通过在yolov3检测最后得出的边界框（bounding b