3.2-使用yolov3训练文字检测《计算机视觉技术应用》_第1页
3.2-使用yolov3训练文字检测《计算机视觉技术应用》_第2页
3.2-使用yolov3训练文字检测《计算机视觉技术应用》_第3页
3.2-使用yolov3训练文字检测《计算机视觉技术应用》_第4页
3.2-使用yolov3训练文字检测《计算机视觉技术应用》_第5页
已阅读5页,还剩35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

项目四中文自然场景文字检测及识别项目实战计算机视觉应用开发任务二使用yolov3训练文字检测计算机视觉应用开发职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务二使用yolov3训练文字检测了解基于darknet-53框架的yolov3知识。能够搭建yolov3神经网络;能够实现实时数据增强的随机预处理;能够存储模型。职业能力目标01知识目标技能目标职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务二使用yolov3训练文字检测此任务的主要内容是训练使用YOLOv3算法检测图片中文字的模型。任务描述任务要求对图片进行预处理;搭建YOLOv3模型;对图片进行训练。任务描述与要求02职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务二使用yolov3训练文字检测任务分析基于YOLOv3训练文字检测模型需要涉及到那些步骤呢?任务分析与计划03任务计划表项目名称中文自然场景文字检测及识别项目实战任务名称基于YOLOv3训练文字检测模型计划方式自主设计计划要求请用10个计划步骤来完整描述出如何完成本次任务序号任务计划1

2

3

4

5

6

78910通过上面的思考,你是否对本任务要完成的工作有所了解?让我们一起来制订完成本次任务的实施计划吧!任务分析与计划03职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务二使用yolov3训练文字检测残差网络204知识储备Darknet-53网络1YOLOv3网络3304Darknet-53简介Darknet-53,包含53个卷积层,每个后面跟随着batchnormalization层和leakyReLU层没有池化层,使用步幅为2的卷积层替代池化层进行特征图的降采样过程,这样可以有效阻止由于池化层导致的低层级特征的损失04Darknet-53网络结构04Darknet-53网络结构一共53层卷积,除去最后一个FC(全连接层,实际上是通过1x1卷积实现的)总共52个卷积用于当做主体网络。这52个卷积层是这样组成的:首先是1个32个过滤器的卷积核,然后是5组重复的残差单元resblock_body(这5组残差单元,每个单元由1个单独的卷积层与一组重复执行的卷积层构成,重复执行的卷积层分别重复1次、2次、8次、8次、4次;在每个重复执行的卷积层中,先执行1x1的卷积操作,再执行3x3的卷积操作,过滤器数量先减半,再恢复),一共是52层。残差计算不属于卷积层计算。52=1+(1+1x2)+(1+2x2)+(1+8x2)+(1+8x2)+(1+4x2)每组残差单元的第一个单独的卷积层操作均是一次步长为2的卷积操作,因此整个YOLOv3网络一共降维5次32倍,即:32=2^5,最后输出的特征图维度是13,即:13=416/32;最后1层的通道数是1024,最终的输出结构是(?,13,13,1024)。所以,darknet53模型的输入是(?,416,416,3),输出是(?,13,13,1024)。残差网络04知识储备Darknet-53网络YOLOv3网络132204为什么需要残差网络非残差网络的缺陷04为什么需要残差网络梯度消失问题04构建残差网络残差块04构建残差网络残差网络204知识储备YOLOv3网络13Darknet-53网络残差网络04什么是YOLO你可以说出其他的目标检测算法吗?YOLO

=

YouOnlyLookOnceYOLOv3借鉴了YOLOv1和YOLOv2,虽然没有太多的创新点,但在保持YOLO家族速度的优势的同时,提升了检测精度,尤其对于小物体的检测能力。YOLOv3算法使用一个单独神经网络作用在图像上,将图像划分多个区域并且预测边界框和每个区域的概率。04网络输出04网络输出04网络输出职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务二使用yolov3训练文字检测05任务实施搭建YOLOv3神经网络1图像预处理21131133模型训练搭建YOLOv3神经网络05定义Darknet_body():YOLOv3模型中搭建52层网络的主体定义DarknetConv2D_BN_Leaky():定义卷积层的函数定义resblock_body():YOLOv3模型中的基础单元-残差网络的函数定义make_last_layers():YOLO模型中的最后层搭建yolo_text():YOLO文字检测模型搭建YOLOv3神经网络0505任务实施图像预处理模型训练113113322搭建YOLOv3神经网络105图像预处理预处理方式与任务1:文字检测所需数据集准备相同。05任务实施搭建YOLOv3神经网络211311331图像预处理模型训练05模型训练职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务二使用yolov3训练文字检测任务检查与评价061、请参照评价标准完成自评和对其他小组的互评。2、各组请代表分析本组任务实施经验。项目名称中文自然场景文字检测及识别项目实战任务名称基于YOLOv3训练文字检测模型评价方式可采用自评、互评、老师评价等方式说

明主要评价学生在项目学习过程中的操作技能、理论知识、学习态度、课堂表现、学习能力等

评价内容与评价标准序号评价内容评价标准分值得分1理论知识(20%)掌握生成模型的流程(10分)10分

正确理解脚本参数意义(10分)10分

2专业技能(40%)模型搭建(25%)正确定义模型的所有层(10分)25分

正确输出模型结构信息(25分)3模型训练(15%)正确设置模型训练参数(5分)15分

能够训练并储存模型(15分)5核心素养(20%)具有良好的自主学习能力、分析解决问题的能力、整个任务过程中有指导他人(20分)20分

具有较好的学习能力和分析解决问题的能力,任务过程中无指导他人(15分)能够主动学习并收集信息,有请教他人进行解决问题的能力(10分)不主动学习(0分)6课堂纪律(20%)设备无损坏、设备摆放整齐、工位区域内保持整洁、无干扰课堂秩序(20分)20分

设备无损坏、无干扰课堂秩序(15分)无干扰课堂秩序(10分)干扰课堂秩序(0分)总得分职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务二使用yolov3训练文字检测任务小结07此任务首先介绍了基于Darknet-53架构的YOLOv3以及Darknet-53网络的构成。通过此任务的学习,读者将掌握YOLOv3网络搭建、模型训练等技能。任务小结07职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施

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