一一中文网

手机浏览器扫描二维码访问

第65章 计算机视觉（第2页）

这种在看似复杂问题中找到简洁本质的能力，正是顶尖工程师与普通码农的区别。

下午三点，他开始研究目标检测（objectdetection）。

这是cV领域最具实用价值的方向之一——不仅要识别图像中有什么，还要标出它们在哪里。

两阶段检测器代表R-cNN系列，单阶段检测器代表YoLo……林晨对比着两者的架构图。

R-cNN先产生候选区域再分类，精度高但速度慢；YoLo（YouonlyLookonce）则将检测任务转化为回归问题，把整张图像输入网络，一次性输出边界框和类别，速度极快。

“YoLov3的darknet-53主干网络，结合了ResNet的跳跃连接思想……”

林晨下载了YoLo的开源代码，在本地环境里尝试运行。

当看到示例代码成功检测出图像中的狗、自行车和卡车时，他意识到自己正在触摸到当前工业界最实用的cV技术之一。

理论必须与实践结合。

林晨决定动手做一个项目：用目标检测技术识别家里的常见物品。

第一步是收集数据。

他拿起手机，在客厅、厨房、卧室各个角度拍摄了上百张照片——沙发、茶几、电视、冰箱、微波炉、床、衣柜……每张照片都包含多件物品。

“得自己标注数据了”

。

林晨苦笑。

这可能是cV项目中最枯燥的环节。

他下载了LabelImg工具，开始一张张地画边界框、打标签。

鼠标点击、拖动、输入类别名称，这个动作重复了数百次。

当标注完最后一张照片时，窗外已是华灯初上。

晚餐后，林晨开始构建模型。

他选择了YoLov5的pytorch实现，这是一个在Github上拥有数万星标的流行项目。

按照教程，他将数据集按8∶1∶1的比例分为训练集、验证集和测试集。

“数据增强很重要”

。

林晨在配置文件中启用了随机翻转、裁剪、色彩抖动等选项——这能让模型看到更多样的数据变体，提高泛化能力。

训练开始了。

GpU风扇发出轻微的嗡鸣，屏幕上滚动着损失函数下降的曲线。

林晨泡了杯茶，守在电脑前观察着每一个epoch（训练轮次）的性能变化。

第一个epoch，损失值很高，模型基本在瞎猜；第十个epoch，损失开始稳定下降；第三十个epoch，验证集上的mAp（平均精度均值）达到了0.65……

“有戏”

。

林晨眼睛一亮。

训练完成后，他加载了最佳权重文件，然后用手机实时拍摄进行测试。

当他将摄像头对准客厅的茶几时，屏幕上实时显示出三个边界框：

［沙发：0.92］［茶几：0.89］［水杯：0.78］