文件名称：Vehicle-Detection:与您一起实施的车辆检测仅查看一次。 它是一种对象检测器，它使用深度卷积神经网络学习的特征来检测对象
文件大小：34.7MB
文件格式：ZIP
更新时间：2024-05-20 07:23:26
real-time svm yolo object-detection autonomous-driving
撰写模板 作者：Kiril Cvetkov 项目视频 Yolo V2 Yolo V3 自订影片 车辆检测项目 该项目的目标/步骤如下： 在带标签的训练图像上执行定向梯度直方图（HOG）特征提取并训练分类器Linear SVM分类器 （可选）您还可以应用颜色变换并将合并的颜色特征以及颜色直方图附加到HOG特征向量。 注意：对于前两个步骤，请不要忘记标准化功能并随机选择用于训练和测试的内容。 实施滑动窗口技术，并使用训练有素的分类器搜索图像中的车辆。 在视频流上运行管道（从test_video.mp4开始，然后在完整的project_video.mp4上实施），并逐帧创建重复检测的热图，以排除异常值并跟踪检测到的车辆。 估计检测到的车辆的边界框。 定向梯度直方图（HOG） 1.解释如何从训练图像中提取HOG特征。 我首先阅读了所有vehicle和non-vehicle图像。
【文件预览】：
Vehicle-Detection-master
----README.md(22KB)
----YoloV3()
--------yad2k()
--------notebook_images()
--------test()
--------script.py(10KB)
--------font()
--------.ipynb_checkpoints()
--------yolo3.cfg(8KB)
--------Notebook.ipynb(93KB)
--------model_data()
----test_video.mp4(782KB)
----model.pkl(10KB)
----documentation()
--------examples.png(1.65MB)
--------sliding_window.png(275KB)
--------hog.png(23KB)
----LICENSE(1KB)
----cv_utils.py(14KB)
----Notebook.ipynb(2.71MB)
----requirements.txt(253B)
----project_video.mp4(24.1MB)
----lane_utils.py(19KB)
----YoloV2()
--------yad2k()
--------notebook_images()
--------yolo.cfg(3KB)
--------script.py(11KB)
--------font()
--------.ipynb_checkpoints()
--------Notebook.ipynb(50KB)
--------model_data()