YOLOv3模型识别车位图片的测试报告(节选)
1,YOLOv3模型简介
YOLO能实现图像或视频中物体的快速识别。在相同的识别类别范围和识别准确率条件下,YOLO识别速度最快。
官网:https://pjreddie.com/darknet/yolo/
知乎:https://zhuanlan.zhihu.com/p/25236464
YOLO有多种模型,包括V1,V2,V3,其中V3识别准确率最高,但对硬件要求也高。还有tiny模型。也可针对特定识别物体类别进行训练,获得应用需要的专用模型。
本次测试采用V3模型。对实际车场图片进行批量检测,对检测结果进行分析,重点是车位中的车辆能否得到正确识别,以探讨YOLO V3模型应用于车场车位状态检测中的可行性。
2,测试环境
操作系统 |
Windows7 64位 |
|
Cpu |
||
Gpu |
0 |
|
内存 |
4GB |
|
输入图片的数量和规格 |
2019张,960*1280 |
|
运行时间 |
2018-05-23 18:03~~2018-05-24 05:01 |
|
执行文件 |
||
检测模型 |
YOLO v3 |
|
物体检测阈值 |
置信度 > 0.25 |
|
物体分类模型 |
80种,与车位车辆相关的4种(car, motorbike, truck, bus)。详见coco.names |
3,测试数据和结果
运行总时间 |
11小时 |
|
平均每张图片的分析时间 |
20秒 |
|
分析后输出的图片包 |
YOLO对车位图片的检测结果.rar |
|
分析输出文字信息 |
||
车位图片输出结果分析 |
识别错误类别统计:
错误类别编号 |
错误类别 |
数量 |
比例 |
备注 |
1 |
识别到周围停有车辆,因而判断有车 |
118 |
此问题与YOLO算法无关 |
|
2 |
未识别出相机识别车位上的车辆 |
74 |
3.66% |
2类错误的文件已打包在文件2类错误.rar |
3 |
镜头范围过小,车辆无法体现特征 |
1 |
此问题与YOLO算法无关 |
|
4 |
图像变形 |
1 |
此问题与YOLO算法无关 |
|
5 |
在无车位置上错误标注 |
6 |
0.3% |
5类错误的文件已打包在文件5类错误.rar |
综上所述,本次测试错误率为3.96%。效果还是令人基本满意的。
4,测试分析
4.1 YOLOv3静态车位图片检测优势
总体来说,识别车辆准确,适应强。具体表现如下:
² 对于多车不会漏检
² 面向镜头的无论是车头、车尾还是车身都能检测到。
² 特种车辆也能识别。
² 只出现一部分的车身也能检测到。但也要看是否能体现车辆特征
² 光线强弱对检测影响不大。
² 强大的物体检测能力,不仅限于车辆检测。
以下具体示例略。
4.2 YOLOv3静态车位图片检测存在的问题
测试中发现的问题可以归纳为以下几类:
² 存在漏检。某些明显的车辆未能检测到
² 在全域范围内能检测到的车辆,区域裁剪后可能导致检测不到
² 同一物体可能检测出多种类别或多台车检测成1台
² 车辆错误识别为其它种类
² 空车位错误识别为车辆
以下具体示例略。
5,后续计划
对于车位车辆的识别,如果速度和准确度达到实用程度,那么可用于简易停车场的车位调度。
如果结合人脸识别或车牌识别,也能做到反向寻车。
也可应用于路边停车,可将车辆进入停车区和离开停车区的信息及时上报。
目前关键还是将车辆识别做到又好又快。以下为思路:
略。
YOLOv3模型识别车位图片的测试报告(节选)的更多相关文章
- yolov3输出检测图片位置信息
前言 我们在进行图片识别后需要进行进一步的处理,该文章会介绍:1.怎样取消lables;2.输出并保存(.txt)标记框的位置信息 一.去掉label 在darknet/src/image.c 收索d ...
- yolov3和ssd的区别
版权声明:本文为博主原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/BlowfishKing/article/d ...
- YOLOv1到YOLOv3的演变过程及每个算法详解
1,YOLOv1算法的简介 YOLO算法使用深度神经网络进行对象的位置检测以及分类,主要的特点是速度够快,而且准确率也很高,采用直接预测目标对象的边界框的方法,将候选区和对象识别这两个阶段合二为一, ...
- AI应用开发实战 - 定制化视觉服务的使用
AI应用开发实战 - 定制化视觉服务的使用 本篇教程的目标是学会使用定制化视觉服务,并能在UWP应用中集成定制化视觉服务模型. 前一篇:AI应用开发实战 - 手写识别应用入门 建议和反馈,请发送到 h ...
- KNN算法案例--手写数字识别
import numpy as np import matplotlib .pyplot as plt import pandas as pd from sklearn.neighbors impor ...
- [2] LabelImg图片标注 与 YOLOv3 网络训练 (待补充)
LabelImg是一个图形图像注释工具. 它是用Python编写的,并使用Qt作为其图形界面. 注释以PASCAL VOC格式保存为XML文件,这是ImageNet使用的格式.Besdies,它也支持 ...
- Jmeter 发测试报告到邮箱,expand/collapse 图片不显示
由于发送到邮箱中html文件是不包含expand/collapse 资源文件的,所以导致邮箱中这两个图片没有显示,解决方法有两种: 1. 使用http能访问的图片链接地址 修改change中的图片资源 ...
- ReportNg 测试报告的定制修改【转】
前言 前段时间在Testerhome上面看到了测试报告生成系列之-------如何用 testNG 生成测试报告 简单的描述了一些测试报告的生成,接着有人在评论中回复说可以针对reportNg的测试报 ...
- (引用 )自动化测试报告HTMLtestrunner
1>下载HTMLTestRunner.py文件,地址为: http://tungwaiyip.info/software/HTMLTestRunner.html Windows平台: 将下载 ...
随机推荐
- 2015/12/25 ① 图灵测试 ② 安装jdk出现的问题 ③ 配置环境变量
①图灵测试 1,解释 图灵测试一词来源于计算机科学和密码学的先驱阿兰·麦席森·图灵写于1950年的一篇论文<计算机器与智能>.阿兰·麦席森·图灵1950年设计出这个测试,其内容是,如果电脑 ...
- NYOJ110 剑客决斗
剑客决斗 来源:Polish Olympiad in Informatics(波兰信息学奥林匹克竞赛) 时间限制:5000 ms | 内存限制:65535 KB 难度:5 描述 在路易十三和红 ...
- Linux 下的编辑/编译器
linux 首先有两个重量级的文本编辑器:vim 和 emacs 此外有如下三种比较好的开放环境: 1.Anjuta Anjuta DevStudio 的官方地址:http://anjuta.sour ...
- 注册中心Eureka页面添加用户认证
我们需要登录即可访问到Eureka服务,这样其实是不安全的 为Eureka添加用户认证. 第一步,为itcast-microservice-eureka添加安全认证依赖: 第二步,增加applicat ...
- UESTC 982质因子分解
读入一个自然数,将nn分解为质因子连乘的形式输出. Input 有多组测试数据.输入的第一行是整数TT(0<T≤10000),表示测试数据的组数.每一组测试数据只有一行,包含待分解的自然数nn. ...
- bzoj3612: [Heoi2014]平衡
首先不可重的整数规划是fi,j=fi-1,j-i+fi,j-i的 然后现在加了一个限制,分成的数不能超过n,那么对于拼大于n的数的时候多减一个fi-1,j-n-1 接下来是优化代码暴露我自带巨大常数的 ...
- facebook Presto SQL分析引擎——本质上和spark无异,分解stage,task,MR计算
Presto 是由 Facebook 开源的大数据分布式 SQL 查询引擎,适用于交互式分析查询,可支持众多的数据源,包括 HDFS,RDBMS,KAFKA 等,而且提供了非常友好的接口开发数据源连接 ...
- BZOJ_5343_[Ctsc2018]混合果汁_二分答案+主席树
BZOJ_5343_[Ctsc2018]混合果汁_二分答案+主席树 题意:给出每个果汁的价格p,美味度d,最多能放的体积l.定义果汁混合后的美味度为果汁的美味度的最小值. m次询问,要求花费不大于g, ...
- ubuntu搭建开发环境踩坑实录
谨以此文,记录和ubuntu系统不死不休的搏斗过程,后续待补. 1.双系统安装,windows采用uefi模式安装(优启通可制作uefi的win10安装盘),ubuntu不要划分boot区,而应该划分 ...
- 【141】Adobe Acrobat技巧
目录: 去除PDF的水印 待定 待定 待定 待定 待定 待定 待定 1. 批量去除PDF文件的水印 用Adobe Acrobat打开PDF文件之后,右侧选择工具>页面>水印>删除,可 ...