weixin_51662487的博客

​ 本项目旨在对图像中的量子点进行检测，并计算出其中的量子点数量。实现过程包括数据准备、数据预处理、模型训练和模型预测。数据准备阶段使用labelme标注工具对数据标记位置，得到数据集。数据预处理阶段将点转换为方框，并将标签都改为1，然后对每张图片进行裁剪作为训练数据。模型训练使用Yolov3模型，首先根据JSON文件生成适配Yolov3的文件，并进行必要的参数修改。最后模型预测根据输出的模型对测试数据集进行测试，能够较为准确的输出白点个数。在本次大作业中我们使用了YOLOV3来进行量子点检测。

目标检测中传统方法和深度学习方法概述

SphereFace是一个用于人脸识别的深度学习模型，由刘维洋、温彦东、于智丹、李明、Bhiksha Raj和Le Song在2017年提出。SphereFace的主要思想是学习一个将人脸图像空间映射到高维超球空间的映射，其中类内变化被最小化，类间变化被最大化。这是通过添加一个分类层来实现的，该层使用softmax激活函数将提取的特征映射到超球空间。SphereFace模型使用深度卷积神经网络（CNN）架构，类似于其他人脸识别模型，例如VGGFace和FaceNet模型。