船舶智能保安门禁系统设计与实现
【文章页数】:85 页
【学位级别】:硕士
【部分图文】:
图3.10标图过程截图??Fig.?3.10?Screenshot?of?the?plotting?process??(2)网络模型训练??表3.3为本文实验平台参数
ewithhelmet”,将另一个目标框命名为“face”。常见的人脸框的选择是仅选取人??脸特征明显部分作为目标框,然而这意味着“face?with?helmet”类特征将包含了?“face”??类,容易导致将“facewithhelmet”类目标同时识别成“face”类,即目....
图3.13模型训练的Loss曲线图??’?Fig.?3.13?Loss?curv?
?.大连海事大学专业学位硕士学位论文?'?'???IM1娜丨釅v腦I■■嫩lill醒1遞_1?臟腿瀰■腦疆M??图3.12训练部分过程图??Fig.?3.12?Partial?process?chart?of?training??I?-ourr*nt??v*?!〇?■?—?0.2....
图3.14模型检测效果??Fig.?3.14?Model?detection?effect??3.?3图像预处理和人脸检测算法??3.?3.?1图像预处理??
?船舶智能保安门禁系统设计与实现???在自制数据集上,本文改进YOLOv3-Tiny的安全帽佩戴检测算法通过加深网络深??度、引入SPP层等措施,通过少量牺牲Y0L0v3-Tiny原算法检测速度,获得了检测精??度的提高。模型实际检测效果如图3.14所示。??丨-藤片-(KWli....
图3.18原始图像的预处理??Fig.?3.18?Pre-processing?of?original?image??-37-??
测算法实现??由于在船舶应用场景下,摄像头采集的图像质量易受光线亮度、拍摄距离和曝光时??间长短等因素影响。为提高人脸检测和识别效率,需依据文章3.3.1部分的理论研宄,??在人脸检测前进行图像预处理,从而减少图像中可能出现的噪声、对比度相差较大等问??题,使得图像中人脸特征更加....
本文编号:4030031
本文链接:https://www.wllwen.com/kejilunwen/chuanbolw/4030031.html