CN112287768B 用于物流仓库的抽烟识别方法、装置、设备和存储介质 (上海东普信息科技有限公司)_第1页
CN112287768B 用于物流仓库的抽烟识别方法、装置、设备和存储介质 (上海东普信息科技有限公司)_第2页
CN112287768B 用于物流仓库的抽烟识别方法、装置、设备和存储介质 (上海东普信息科技有限公司)_第3页
CN112287768B 用于物流仓库的抽烟识别方法、装置、设备和存储介质 (上海东普信息科技有限公司)_第4页
CN112287768B 用于物流仓库的抽烟识别方法、装置、设备和存储介质 (上海东普信息科技有限公司)_第5页
已阅读5页,还剩18页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1.2部分.本发明公开了一种用于物流仓库的抽烟识化YOLOv4模型,将图像数据集输入优化后的2创建YOLOv4模型,在YOLOv4模型中的BackBone网络中加入空洞卷积,得到改进的将所述步骤S1中的图像数据集输入改进的YOLOv4模型中进行训练,得到抽烟识别模在所述CSPDarknet53网络的最后一层加入Inception网络,增加YOLOv4模型的网络宽采用Labeling工具对历史图像进行将目标标注后的历史图像按voc数据集的格式将标注后的历史图像保存于Annotations文件夹中;JPEGImages文件夹中的历史图像在voc数据集的ImageSets\Main文件夹中建立四个txt文件,分别为test.txt、将模型训练集、模型验证集及模型测试集输入所述改进的Y模型创建模块,用于创建YOLOv4模型,在YOLOv4模型中的BackBone模型训练模块,用于将所述数据集创建模块中的图像数据集输入改进的YOL抽烟识别模块,用于将物流仓库的图像输入所述抽烟识3所述图像获取单元用于获取抽烟行为的历史图像,将未标注的历史图像保存于所述图像标注单元用于采用Labeling工具对历史图像进存储器和至少一个处理器,所述存储器中存储有指令,所述存所述至少一个处理器调用所述存储器中的所述指令,以使得所述用于物流识别设备执行如权利要求1-4中任意一项所述的用于物流仓8.一种计算机可读存储介质,所述计算机可读在于,所述计算机程序被处理器执行时实现如权利要求1-4中任意一项所述的用于物流仓45[0016]根据本发明一实施例,所述将目标标注后的历史图像按voc数据集的格式进行存[0018]将标注后的历史图像保存于Annotations文件夹中;JPEGImages文件夹中的历史[0019]在voc数据集的ImageSets\Main文件夹中建立四个txt文件,分别为test.txt、[0023]在所述CSPDarknet53网络的最后一层加入Inception网络,增加YOLOv4模型的网[0026]将模型训练集、模型验证集及模型测试集输入所述改进的YOLOv4模型中进行训[0033]所述图像获取单元用于获取抽烟行为的历史图像,将未标注的历史图像保存于历史图像保存于Annotations文件夹中;JPEGImages文件夹中的历史图像的名称与Annotations文件夹中的xml文件的名称一6计算机程序被处理器执行时实现本发明一实施例中的用于[0039]本发明由于采用以上技术方案,使其与现有技术相比具有以下的优点和积极效[0040](1)本发明一实施例中的用于物流仓库的抽烟识别方法,针对业内物流仓库空间[0042](3)本发明一实施例中的用于物流仓库的抽烟识别方法,针对传统的卷积神经网CSPDarknet53的最后,再增加一层Inception网络,采用不同大小的卷积核卷积,使得[0050]以下结合附图和具体实施例对本发明提出的一种用于物流仓库的抽烟识别方法、7成为本实施例中的抽烟识别模型的训练样本。本实施例采集1000张历史图像作为训练样据集下包括以下文件夹:Annotations、ImageSets、JPEGImages、SegmentationClass、[0059]Annotations文件夹用于存放类别标注后的图像。本实施例采用Labeling标注工[0060]ImageSets文件夹用于存放根据已生成的xml文件创建的trainval.txt、8[0072]YOLOv4模型中,将YOLOHEAD紧接在SSP+PAN后面。为了便于说明,将图3中的process1-5与三个YOLOHEAD样至大小38x38,然后再和CSPDarknet53的204层输出进行堆叠,最后通过一系列upsample以及darknet53网络的第131层输出作为输入,从而获得特征图y_38。紧接在[0075]第一、在主干网络CSPDarknet53中加入空洞卷积DilatedConvolution。在每一层输出的特征图(featuremap)上的像素点在输入图片上映射的区域大小。也就是说,特征图上的一个点对应输入图上的区域。在卷积神经网络CNN中为了增加感受野且降低计9[0076]空洞卷积有一个参数dilationrate,具体含义就是在卷积核中填充dilation模型训练集、模型验证集、模型测试集,其图像数据量占整个图像数据集的比例依次为单元用于采用Labeling工具对历史图像进行目标标注,将标注后的历史图像保存于[0092]上述实施例二从模块化功能实体的角度对本发明用于物流仓库的抽烟识别装置个模块可以包括对用于物流仓库的抽烟识别设备500中的[0096]本领域技术人员可以理解,图6示出的用于物流仓库的抽烟识别设备结构并不构[0098]实施例二中的模块如果以软件功能模块的形式实现并作为独立的产品销售或使上或者说对现

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论