《计算机视觉应用开发》课件 cha3 2_基于YOLOv3的目标检测.pptx

基于YOLOv3的目标检测 案例描述01任务案例目标02任务案例分析03任务案例实施04任务 1案例描述 1案例描述通过上述对目标检测方法的讲解，下面将对一个实例进行实操练习。本案例将学习如何使用预训练的YOLOv3模型权重实现测试图片中的物体检测，其中YOLOv3是属于目标检测深度学习中的one-stage算法。 2案例目标 案例目标了解YOLOv3目标检测模型的网络组成；调用目标检测中YOLOv3预训练模型；使用YOLOv3模型对图片进行目标检测。2 3案例分析 案例分析YOLOv3是YOLO (You Only Look Once)系列目标检测算法中的第三版，相比之前的算法，尤其是针对小目标，精度有显著提升。YOLOv3算法使用的骨干网络是Darknet53。3Darknet53网络的具体结构如图所示，在ImageNet图像分类任务上取得了很好的成绩。在检测任务中，将图中C0后面的平均池化、全连接层和Softmax去掉，保留从输入到C0部分的网络结构，作为检测模型的基础网络结构，也称为骨干网络。YOLOv3模型会在骨干网络的基础上，再添加检测相关的网络模块。 3案例分析YOLOv3算法的基本思想可以分成两部分：（1）按一定规则在图片上产生一系列的候选区域，然后根据这些候选区域与图片上物体真实框之间的位置关系对候选区域进行标注。跟真实框足够接近的那些候选区域会被标注为正样本，同