文件名称：行人检测：使用非最大抑制的行人检测
文件大小：112KB
文件格式：ZIP
更新时间：2024-02-26 16:58:32
numpy scikit-learn artificial-intelligence object-detection convolutional-neural-network
行人检测 使用非最大抑制的行人检测 查看相应的中等博客帖子 。 环境与工具 scikit学习 scikit图片 麻木 OpenCV 纳米 argparse 非最大抑制 结合支持向量机（SVM）的定向梯度（HOG）的历史在检测图像中的对象方面非常成功，但是这些算法的问题在于它们检测到围绕图像中的对象的多个边界框。 因此，它们不适用于在拥挤的道路上检测行人的情况。 这是非最大抑制（NMS）抢救来更好地完善检测器给定边界框的地方。 在此算法中，我们提出了额外的惩罚措施，以产生更紧凑的边界框，从而对NMS阈值变得不那么敏感。 使用贪婪的NMS，对于拥挤人群的理想解决方案是设置一个高阈值以保留高度重叠的
【文件预览】：
pedestrian-detection-master
----sample_images()
--------p3.jpg(13KB)
--------p2.jpg(18KB)
--------p1.jpg(9KB)
--------p4.jpg(13KB)
----nms.py(2KB)
----LICENSE(1KB)
----run.py(3KB)
----requirements.txt(49B)
----.gitignore(1KB)
----README.md(3KB)
----output.jpg(31KB)
----pedestrian.pkl(30KB)