文件名称：颜色分类leetcode-Vehicle-Detection:基于YOLO和SVM的车辆检测
文件大小：40.39MB
文件格式：ZIP
更新时间：2024-07-26 17:24:30
系统开源
颜色分类leetcode 车辆检测项目 概述 车辆检测项目使用机器学习和计算机视觉技术，并结合技术。 我应用了两种不同的检测方法。 本项目的步骤如下： 1) SVM算法 对标记的训练图像集执行定向梯度直方图 (HOG) 特征提取，并训练分类器线性 SVM 分类器。 实施有效的滑动窗口技术并使用训练有素的 SVM 分类器搜索图像中的车辆。 在视频流上运行管道并逐帧创建重复检测的热图，以拒绝异常值并跟踪检测到的车辆。 2）YOLO算法 构建基于 Keras 的神经网络并实现预训练模型来预测图像。 在视频流上运行管道并创建一个控制台来监控车道状态和检测。 用法 Project-SVM.py和helper.py包含 SVM 分类器结构和管道的代码。 dist.p包含一个基于 YUV 颜色特征和 HOG 特征的训练 SVM 分类器，具有 17,000 多张汽车和非汽车图片。 Project-yolo.py和helper_yolo.py包含helper_yolo.py网络和管道的代码。 依赖关系 麻木 简历2 学习 scipy skimage 凯拉斯 1) SVM算法 SVM（支持向量机）是一种强
【文件预览】：
Vehicle-Detection-master
----helper.py(34KB)
----helper_yolo.py(6KB)
----Image()
--------HOG.png(26KB)
--------yolo-box.PNG(163KB)
--------feature.png(116KB)
--------find_car_yolo.png(363KB)
--------find_car.png(382KB)
--------Normalize_Feature_HSV.png(49KB)
--------yolo_result.jpeg(10KB)
--------car_not_car.PNG(678KB)
--------yolo-model.PNG(112KB)
--------Normalize Feature_HSV.png(49KB)
--------heatmap.png(15KB)
--------heatmap1.png(210KB)
--------Normalize Feature.png(58KB)
--------yolo.gif(5.02MB)
----Project-yolo.py(3KB)
----LICENSE(1KB)
----README.md(18KB)
----dist.p(376KB)
----__pycache__()
--------helper.cpython-35.pyc(19KB)
--------helper_yolo.cpython-35.pyc(7KB)
----Project-SVM.py(3KB)
----output_videos()
--------test_SVM.mp4(878KB)
--------project_yolo.mp4(16.06MB)
--------project_SVM.mp4(15.14MB)
----.gitignore(70B)
----test_img()
--------cutout1.jpg(4KB)
--------275.png(814KB)