交通科学首选哪个版本的 YOLO-tensorflow（自定义 cnn，如 googlenet）？
如果训练数据集是模糊的并且有噪音，那么训练是否可以，或者训练数据集图像需要考虑哪些步骤？
问问题
463 次
1 回答
0
您可能需要使用交通摄像头的帧来管理自己的数据集，并手动标记带有或未系上乘客安全带的汽车的图像，因为这是一项非常专业的任务。从那里，您可以进行数据扩充（可能使用 Keras ImageDataGenerator 类）。如果人类可以在模糊或嘈杂的图像中识别出安全带，那么模型就可以从中学习。从那里，您可以从像 Inception 这样的预训练 CNN 模型中使用迁移学习（这是一个关于如何做到这一点的有用教程），或者使用您的标记图像训练您自己的二进制分类器，其中您的输入是交通摄像头视频的帧.
我建议，在使用这些模型学习了 CNN 的基础知识之后，你才应该深入研究像 yolo 这样更复杂的模型。
于 2018-07-04T18:11:51.737 回答