企业官网建设流程全解析

vps可以做多少网站,石家庄城乡建设局网站6,网站关键词 查询,源码下载器第一步#xff1a;YOLOv4介绍 YOLOv4是一种目标检测算法#xff0c;它在精度和速度之间取得了最佳的平衡。它是YOLO#xff08;You Only Look Once#xff09;系列算法的最新版本#xff0c;通过将目标检测任务转化为一个回归问题#xff0c;实现了实时目标检测。YOLOv4…第一步YOLOv4介绍YOLOv4是一种目标检测算法它在精度和速度之间取得了最佳的平衡。它是YOLOYou Only Look Once系列算法的最新版本通过将目标检测任务转化为一个回归问题实现了实时目标检测。YOLOv4采用了一系列的调优手段使得其在目标检测任务中表现出色。YOLOv4的框架原理主要包括以下几个方面BackBoneYOLOv4使用了CSPDarknet53作为其主干网络该网络结构具有较强的特征提取能力。训练策略YOLOv4采用了多尺度训练和数据增强等策略来提高模型的泛化能力和检测精度。推理策略YOLOv4使用了多尺度推理和后处理技术来提高检测速度和准确性。检测头训练策略YOLOv4使用了Mosaic数据增强和CIoU损失函数等策略来提高小目标的检测精度。检测头推理策略YOLOv4使用了YOLOv3和YOLOv4的检测头结合策略提高了模型的检测能力。总之YOLOv4是一种高效准确的目标检测算法具有较好的精度和速度表现。它在目标检测领域具有广泛的应用前景。标注数据YOLOv4的训练和测试步骤各路大神都已经做了很多工作我就不再写了这里有几个写的比较好的博客可以参考【项目实践】YOLO V4万字原理详细讲解并训练自己的数据集pytorch完整项目打包下载-腾讯云开发者社区-腾讯云YOLOv4 的各种新实现、配置、测试、训练资源汇总第二步YOLOv4网络结构第三步代码展示def read_file(self): #选取文件 def E2C(label): predefined_En[plate,0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F,G,H,J,K,L,M,N,P,Q,R,S,T,U,V,W,X,Y,Z,Ao,CA,Er,Ga,Gn,Gg,Gu,Gi,Hi,Hu,Je,Ji,Jg,Jn,Jig,Jin,Li,Lu,Mg,Mi,Ng,Qg,Qo,Sh,Su,Wa,Xi,Xg,Xu,Yu,Yui,Ye,Yn,Zh,Za ] predefined_CN[plate,0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F,G,H,J,K,L,M,N,P,Q,R,S,T,U,V,W,X,Y,Z,澳,川,鄂,甘,赣,港,贵,桂,黑,沪,吉,冀,津,晋,京,警,辽,鲁,蒙,闽,宁,青,琼,陕,苏,皖,湘,新,学,渝,豫,粤,云,浙,藏] #找到英文label名称在list中的位置 loc predefined_En.index(label) #显示对应位置的中文名称 label_CNpredefined_CN[loc] return label_CN def cv2ImgAddText(img, text, left, top, textColor(0, 255, 0), textSize35): if (isinstance(img, np.ndarray)): # 判断是否OpenCV图片类型 img Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) # 创建一个可以在给定图像上绘图的对象 draw ImageDraw.Draw(img) # 字体的格式 fontStyle ImageFont.truetype( simsun.ttc, textSize, encodingutf-8) # 绘制文本 draw.text((left, top), text, textColor, fontfontStyle) # 转换回OpenCV格式 resultcv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR) return result fileName_choose, filetype QFileDialog.getOpenFileName( self, 选取图片文件, getcwd(), # 起始路径 图片(*.jpg;*.jpeg;*.png)) # 文件类型 imagecv2.imread(fileName_choose) image image[:, :, ::-1].copy() a[] b[] left10 top10 classes, confidences, boxes net.detect(image, confThreshold, nmsThreshold) for (classid, score, box) in zip(classes, confidences, boxes): left, top, width, height box if classid 0: #在imgA上画出矩形 #box1left, top, width, height left1left top1top cv2.rectangle(image, box, color1, 3) else : label class_names[classid]#标签置信度 confidencescore*100 labelSize, baseLine cv2.getTextSize(label, cv2.FONT_HERSHEY_SIMPLEX, 0.5, 1) label_CN E2C(label) a.append(left) b.append(label_CN) czip(a,b) dsorted(c,keylambda x:x[0]) ezip(*d) a,b[list(x) for x in e] h.join(b) text {}.format(h) self.textBrowser.setText(text) #在imgA上显示中文标签置信度 image cv2ImgAddText(image, text, left1,top1-20) height image.shape[0] width image.shape[1] frame QImage(image, width, height, width*3,QImage.Format_RGB888) pix QPixmap.fromImage(frame) self.item QGraphicsPixmapItem(pix) self.scene QGraphicsScene() # 创建场景 self.scene.addItem(self.item) self.graphicsView.setScene(self.scene) def read_voc(self): #选取文件 videoName, _ QFileDialog.getOpenFileName(self, Open, , *.mp4;;*.avi;;All Files(*)) self.cap cv2.VideoCapture(videoName) self.timer_camera.start(1) self.timer_camera.timeout.connect(self.voc) def voc(self): global g global text1 def E2C(label): predefined_En[plate,0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F,G,H,J,K,L,M,N,P,Q,R,S,T,U,V,W,X,Y,Z,Ao,CA,Er,Ga,Gn,Gg,Gu,Gi,Hi,Hu,Je,Ji,Jg,Jn,Jig,Jin,Li,Lu,Mg,Mi,Ng,Qg,Qo,Sh,Su,Wa,Xi,Xg,Xu,Yu,Yui,Ye,Yn,Zh,Za ] predefined_CN[plate,0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F,G,H,J,K,L,M,N,P,Q,R,S,T,U,V,W,X,Y,Z,澳,川,鄂,甘,赣,港,贵,桂,黑,沪,吉,冀,津,晋,京,警,辽,鲁,蒙,闽,宁,青,琼,陕,苏,皖,湘,新,学,渝,豫,粤,云,浙,藏] #找到英文label名称在list中的位置 loc predefined_En.index(label) #显示对应位置的中文名称 label_CNpredefined_CN[loc] return label_CN第四步运行运行界面识别效果第五步整个工程的内容包括训练代码和数据项目完整文件下载请见演示与介绍视频的简介处给出➷➷➷https://www.bilibili.com/video/BV1S6UxYHEEW/