基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
人工智能领域的发展拖动着社会的进步,而作为人工智能领域的重要部分,图像识别近年来受到了学术界与工业界的广泛关注.图像识别中的目标检测技术能够帮助人们实现自动驾驶、无人机导航、图像检索等应用.而YOLO模型的提出极大地提高了目标检测任务的效率,使得我们可以在本地搭建起系统来完成实时目标检测.本文从YOLO模型出发,对比了基于YOLO模型的深度学习方法与传统目标检测算法的差异,并利用YOLO模型进行编程在桌面端实现了目标检测.
推荐文章
YOLO9000模型的车辆多目标视频检测系统研究
智能交通
目标检测
网络模型
正确率
实时目标检测算法YOLO的批再规范化处理
目标检测
深度学习
卷积神经网络
批再规范化
YOLO
改进YOLO的车辆检测算法
YOLO
端对端模型
DenseNet
车辆检测
YOLO-D
检测精度
基于YOLO V3模型的奶牛目标检测
奶牛
目标检测
YOLO
人工智能
深度学习
机器视觉
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于YOLO模型的目标检测软件
来源期刊 科技视界 学科 工学
关键词 目标检测 YOLO模型 应用实现
年,卷(期) 2019,(21) 所属期刊栏目 项目与课题
研究方向 页码范围 118-119
页数 2页 分类号 TP391.41|TP183
字数 2001字 语种 中文
DOI 10.19694/j.cnki.issn2095-2457.2019.21.053
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 姚祉含 华中师范大学计算机学院 4 0 0.0 0.0
2 但唐朋 华中师范大学计算机学院 5 2 1.0 1.0
3 柴永磊 华中师范大学计算机学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (7)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(5)
  • 参考文献(0)
  • 二级参考文献(5)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(5)
  • 参考文献(0)
  • 二级参考文献(5)
2018(4)
  • 参考文献(1)
  • 二级参考文献(3)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
目标检测
YOLO模型
应用实现
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技视界
旬刊
2095-2457
31-2065/N
大16开
上海市
2011
chi
出版文献量(篇)
57598
总下载数(次)
165
论文1v1指导