文件名称:颜色分类leetcode-CarND-Vehicle-Detection:使用SVM和深度学习分类器的单目车辆检测
文件大小:29.06MB
文件格式:ZIP
更新时间:2024-07-26 16:33:14
系统开源
颜色分类leetcode 车辆检测 使用两种不同的方法从单目 RGB 视频输入检测车辆 - 监督学习(支持向量机)和深度学习。 深度学习实现是两者中更成功的,因为它要快得多。 图像通过滑动窗口输入分类器,输出通过热图进行处理。 最终结果的快速链接: | 项目文件 初始数据探索和提取在笔记本data_exploration.ipynb 。 标记数据来自 GTI 车辆图像数据库和 KITTI 视觉基准套件的组合。 神经网络的训练数据以及从 . data_exploration.ipynb还包含 Udacity 集的数据提取。 最终的管道是在 python 中实现的。 项目中包含的有: vehicleDetect.py 使用先前训练的分类器进行车辆检测。 vehicleDetect_classify.py 处理分类器的训练 vehicleDetectUtil.py 包含运行车辆检测和分类所需的常用功能 vehicleDetect_svmVar.py 支持向量机输入特征的设置 用法 对于深度学习或支持向量机方法,请运行以下操作之一: python vehicleDetect.py cnn vi
【文件预览】:
CarND-Vehicle-Detection-master
----.gitignore(1KB)
----writeup.md(9KB)
----vehicleDetect_classify.py(10KB)
----vehicleDetectUtil.py(15KB)
----YOLO_tiny_tf.py(12KB)
----vehicleDetect.py(12KB)
----data_exploration.ipynb(284KB)
----examples()
--------output_bboxes.png(530KB)
--------.DS_Store(6KB)
--------labels_map.png(12KB)
--------car_not_car.png(821KB)
--------sliding_window.jpg(273KB)
--------bboxes_and_heat.png(559KB)
--------HOG_example.jpg(209KB)
--------sliding_windows.jpg(374KB)
----README.md(9KB)
----output_images()
--------.DS_Store(6KB)
--------labeling1.jpg(56KB)
--------save_output_here.txt(112B)
--------clrExploration1.jpg(135KB)
--------windows1.jpg(72KB)
----project_video.mp4(24.1MB)
----vehicleDetect_svmVar.py(278B)
----.gitattributes(378B)
----test_images()
--------test5.jpg(238KB)
--------test3.jpg(144KB)
--------test6.jpg(227KB)
--------test2.jpg(170KB)
--------test4.jpg(196KB)
--------.DS_Store(6KB)
--------test1.jpg(212KB)
----test_video.mp4(782KB)