【基于YOLOv3的行人检测算法的设计案例5000字】.docxVIP

基于YOLOv3的行人检测算法的设计案例

目录

基于YOLOv3的行人检测算法的设计案例 1

1.1数据集 1

1.2YOLO算法 2

1.2.1YOLOv1算法 2

1.2.2YOLOv2算法 3

1.3YOLOv3算法 5

1.1.1检测原理 5

1.1.2Darknet-53网络结构 7

1.4注意力机制 8

1.1数据集

基于深度学习的目标检测算法需要利用海量数据进行训练学习，即需要充分的图片数据集进行训练，当数据量不足时，模型不能充分识别到目标的特征，会导致检测精度不足，检测时间较长，出现欠拟合的问题。在检测过程中，训练集、验证集和测试集应该按照一定比例使用，保证数据的分布权重相对均衡。

目前常用于目标检测的数据及有ImageNet数据集、COCO数据集以及PASCALVOC数据集等。ImageNet数据集是一个计算机视觉数据集，出现于2009年，时根据WordNet层次结构组织的图像数据库。目前，该数据集包合1400多万张图片和2万个Synset索引。ImageNet数据集因其数据量庞大，种类包含范围广一直是评估图像分类算法性能的基准，在训练时相对其他数据集也会占据更多的资源，检测难度也相对提升。

C