首页 理论教育 Python程序实现AIE控制板摄像头图像分类及物体检测

Python程序实现AIE控制板摄像头图像分类及物体检测

时间:2023-06-25 理论教育 版权反馈
【摘要】:集成以上3阶段的程序过程设计,编写一个AIE控制板摄像头进行图像分类的Python程序,写入开源控制板,在运行过程中完成对代码的调试。#在每个比例下,使用x_overlap(0-1)和y_overlap(0-1)作为指导,在ROI中移动检测窗口。#如果将overlap设置为0.5,则每个检测窗口将与前一个检测窗口重叠50%。#如果x_overlap不是-1,则该方法将在所有水平位置搜索。图13.4图像分类程序运行情况图13.5实现的10种物体的分类检测

Python程序实现AIE控制板摄像头图像分类及物体检测

集成以上3阶段的程序过程设计,编写一个AIE控制板摄像头进行图像分类的Python程序,写入开源控制板,在运行过程中完成对代码的调试。完整的示例代码如下:

# cifar10在整幅图像中识别例程

# CIFAR是一个卷积网络,旨在将其视野分类为几种不同的对象类型,并处理RGB视频数据。

#在此示例中,我们将LeNet检测器窗口滑动到图像上,并获取可能存在对象的激活列表。请注意,使用带有滑动窗口的CNN非常昂贵,因此对于穷举搜索而言,不要期望CNN是实时的。

# net.search()将在图像中搜索网络中的roi(如果未指定roi,则搜索整个图像)。

#如果其中一个分类器输出大于阈值,则在每个位置查看图像,位置和标签将存储在对象列表中并返回。

#在每个比例下,使用x_overlap(0-1)和y_overlap(0-1)作为指导,在ROI中移动检测窗口。

#如果将overlap设置为0.5,则每个检测窗口将与前一个检测窗口重叠50%。

#请注意,计算工作重叠越多,负载越多。

#最后,对于在x/y维度上滑动网络之后的多尺度匹配,检测窗口将通过scale_mul(0-1)缩小到min_scale(0-1)。

#例如,如果scale_mul为0.5,则检测窗口将缩小50%。

#请注意,在较低比例下,如果x_overlap和y_overlap较小,则搜索区域会更多…

# contrast_threshold会跳过平坦区域。(www.xing528.com)

#设置x_overlap=-1会强制窗口始终保持在x方向的ROI中心。

#如果y_overlap不为-1,则该方法将搜索所有垂直位置。

#设置y_overlap=-1会强制窗口始终在y方向的ROI中居中。

#如果x_overlap不是-1,则该方法将在所有水平位置搜索。

图像分类程序运行情况如图13.4所示,右上区域显示出了摄像头捕捉到的视频图像,其中叠加显示了实时检测出的目标图像区域及得分情况。10种物体的分类检测情况如图13.5所示。

利用cifar10卷积神经网络模型,能够快速检测出图像中存在的其他10种目标物体,分类识别情况如图13.5所示。

图13.4 图像分类程序运行情况

图13.5 实现的10种物体的分类检测

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈