05预测识别-依托YOLO V8进行训练模型的识别——对视频中的图片进行识别

这篇具有很好参考价值的文章主要介绍了05预测识别-依托YOLO V8进行训练模型的识别——对视频中的图片进行识别。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

在前面的一些章节中,我们已经讲如何准备打标签的素材、如何制作标签、如何训练以及得到我们最终需要的用于YOLO目标识别的模型。那么现在我们就要正式开始,利用我们训练得到的best.pt,这个模型文件来对图片视频进行识别。

1、基本思路

公安交管场景中,我们经常会遇到需要对摄像头拍到的视频中的目标进行识别,比如识别识别非机动车佩戴头盔的情况、识别机动车在路面行驶的情况,或者说识别安全带佩戴的情况。我们的一个常规思路就是对视频中的帧进行分析。这种模式是非常通用的模式。在公安交管场景中,我们最常用到的目标识别的基本思路就是对视频中的帧进行抽取,并以图片的形式进行识别。下面我将针对几个典型场景,为大家逐一做简要的介绍。

场景1:非机动车头盔佩戴。我们需要检测视频中是否出现骑摩托车或电动自行车出行的人是否佩戴头盔的情况,那么我们就可以通过对摄像头按照1秒钟或者5秒钟为间隔抽取视频中的帧,并将没抽取到的帧的画面作为程序的输入,去识别照片中头盔佩戴的情况。这一点非常好理解。

场景2。机动车占用非机动车道检测。我们需要对占用非机动车道行驶的机动车进行取证抓拍,那么我们首先要做的事情是识别车辆出现在非机动车道,第二步是将非机动车道上的车辆的号牌。第一步就需要我们比如说每隔100毫秒循环执行一次视频帧的处理,每100毫秒抓取一帧画面,我们就可以用YOLO的算法判断这个画面中是否出现机动车或者进一步,我们可以在画面中划定一个指定区域,从而判断在这个区域中是否出现目标车辆。进一步我们才可以将截取到的,确认已经出现目标车辆的画面输送给号牌识别程序做进一步的。

上面两个例子我们便知道,循环执行对视频帧画面的图片识别,是我们开展目标识别的典型应用场景。文章来源地址https://www.toymoban.com/news/detail-852164.html

2、构造一个最基本的YOLO图

到了这里,关于05预测识别-依托YOLO V8进行训练模型的识别——对视频中的图片进行识别的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 人工智能(pytorch)搭建模型17-pytorch搭建ReitnNet模型,加载数据进行模型训练与预测

    大家好,我是微学AI,今天给大家介绍一下人工智能(pytorch)搭建模型17-pytorch搭建ReitnNet模型,加载数据进行模型训练与预测,RetinaNet 是一种用于目标检测任务的深度学习模型,旨在解决目标检测中存在的困难样本和不平衡类别问题。它是基于单阶段检测器的一种改进方法,通

    2024年02月15日
    浏览(96)
  • Pytorch迁移学习使用Resnet50进行模型训练预测猫狗二分类

    目录   1.ResNet残差网络 1.1 ResNet定义  1.2 ResNet 几种网络配置  1.3 ResNet50网络结构 1.3.1 前几层卷积和池化 1.3.2 残差块:构建深度残差网络 1.3.3 ResNet主体:堆叠多个残差块 1.4 迁移学习猫狗二分类实战 1.4.1 迁移学习 1.4.2 模型训练 1.4.3 模型预测   深度学习在图像分类、目标检

    2024年02月16日
    浏览(86)
  • 基于Pytorch构建Faster-RCNN网络进行目标检测(二)——预训练模型和预测

    CoCo的全称是Common Objects in Context,是微软团队提供的一个可以用来进行图像识别的数据集,包括检测、分割、关键点估计等任务,目前用的比较多的是Coco2017数据集。 Coco2017数据集是一个包含有大量图像和标注数据的开放数据集,它是微软公司在COCO项目基础上发展而来。这个

    2024年02月09日
    浏览(44)
  • 使用C++和OpenCV进行人脸识别,包含模型训练与调用过程

    人脸识别是计算机视觉领域的一个重要应用,可以用于安全系统、人脸解锁和人脸表情分析等方面。本教程将向您展示如何使用C++和OpenCV库实现基本的人脸识别功能。我们将分为两部分,首先是模型训练过程,然后是调用过程。 安装OpenCV和C++开发环境: 在开始之前,请确保

    2024年02月09日
    浏览(47)
  • 【YOLO系列PR、F1绘图】更改v5、v7、v8(附v8训练、验证方式),实现调用val.py或者test.py后生成pr.csv,然后再整合绘制到一张图上(使用matplotlib绘制)

    不错的链接:YOLOV7训练模型分析 关于map的绘图、loss绘图,可参考:【YOLO系列result中的map、loss、pr绘图】根据v5、v8、v7训练后生成的result文件用matplotlib进行绘图 v5、v8 调用 val.py , v7 调用 test.py (作用都是一样的,都是用已训练好权重对测试集进行验证,然后打印出一系列指

    2024年02月06日
    浏览(48)
  • 年龄性别预测2:Pytorch实现年龄性别预测和识别(含训练代码和数据)

    目录 年龄性别预测2:Pytorch实现年龄性别预测和识别(含训练代码和数据) 1.年龄性别预测和识别方法 2.年龄性别预测和识别数据集 3.人脸检测模型 4.年龄性别预测和识别模型训练 (1)项目安装 (2)准备数据 (3)年龄性别模型训练(Pytorch) (4) 可视化训练过程 (5) 年龄性

    2024年01月19日
    浏览(70)
  • ubuntu18.04复现yolo v8之最终章,realsenseD435i+yolo v8完美运行

    背景:上一篇博客我们已经为复现yolov8配置好了环境,如果前面的工作顺利进行,我们已经完成了90%( 学习类程序最难的是环境配置 )。 接下来将正式下载yolov8的相关代码,以及进行realsenseD435i相机+yolo v8的demo演示。 系统:ubuntu18.04 ROS:melodic 相机型号:Intel realsenseD435i p

    2024年02月11日
    浏览(49)
  • yolo v8 转rknn

    上一篇:yolo v7 转rknn 本文: 1.是对detect模型的转换,对于classify、pose、segment后续再写,估计是差不多的; 2. ☆ 支持量化。对于置信度量化后会全为0已经解决; 3.解决转换过程中出现的一些错误提示。主要是数组轴的大小超出限制的问题。 ultralytics-8.0.213 v8的训练可以参考:

    2024年02月01日
    浏览(40)
  • CSDN独家首发!万字长文,YOLOv5/v7/v8算法模型yaml文件史上最详细解析与教程!小白也能看懂!掌握了这个就掌握了魔改YOLO的核心!

    看完这篇你能学会什么? 掌握根据 yaml 文件画出模型结构图的能力 掌握根据模型结构图写 yaml 文件的能力 掌握添加模块后写配置文件 args 参数的能力 掌握修改模型配置文件的能力 模型 尺寸 (像素) mAP val 50-95 mAP val 50 推理速度 CPU b1 (ms) 推理速度 V100 b1 (ms) 速度 V10

    2024年02月02日
    浏览(56)
  • 还没搞懂YOLO v7,YOLO v8已经来了!

    YOLOv1-YOLOv8系列回顾 YOLOv1: 2015年Joseph Redmon和Ali Farhadi等人(华盛顿大学) YOLOv2: 2016年Joseph Redmon和Ali Farhadi等人(华盛顿大学) YOLOv3: 2018年Joseph Redmon和Ali Farhadi等人(华盛顿大学) YOLOv4: 2020年Alexey Bochkovskiy和Chien-Yao Wang等人 YOLOv5: 2020年Ultralytics公司 YOLOv6: 2022年美团公

    2024年02月04日
    浏览(49)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包