克服密集恐惧症，目标检测代你实现钢筋精准计数

       是不是很多人或多或少在一些时刻都会有感觉到密集恐惧，我就是会有这样的感觉，尤其是面对十分密集的内容的时候，最近看到了一个之前举办的比赛，做的内容就是对堆放的钢筋截面进行精准的计数，这个实际照片拿来一看，如果是人工来做，不知道要数到什么时候了，而且，还会出现稍微一不留神就会数错了，还得重头来过，即使一直精神高度集中，也不敢保证，自己数的结果就是对的，这个时候图像识别的技术就派上了用场了，首先看下效果图：

做这个事情我有一个额外的考虑就是轻量化的模型在这种级别的数据上面能不能有较好的表现呢？一般来说对于精度要求比较高的场景里面往往都会选择牺牲一定程度的计算速度来达到比较高标准的计算精度，但是很多实际场景里面算力较弱，对于模型轻量化的需求也就变得很高，这就不得不在选型上面做比较多的考虑，不能单纯地为了精度去选择比较大的模型。

      这里我选用的是MobileNetV2-YOLOv3-Nano模型，在我以往的实际项目测试中精度和速度都是很不错的，这里正好也可以拿过来验证测试一样在这种密集场景里面到底它的检测能力怎么样，下面是模型的配置文件：
 

[net]
# Training
batch=128
subdivisions=2
width=320
height=320
channels=3
momentum=0.9
decay=0.0005
angle=0
satu

版权声明：本文为CSDN博主「Together_CZ」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Together_CZ/article/details/122254941