目标检测和手势识别的简单理解(仅供参考,较大概率会出错,后面或许会修改)

 首先,根据前文对网络搭建的了解,我们很容易知道目标检测原理,即通过卷积池化提取特征然后转化成具体的参数根据初始设定的参数设置比较得出结果。

 

这里左上角的红字可以看见人的概率,这一点还是比较准确的。

 

 

 

 

 

 

 

右图可以看见左上角的人概率和中右对书包的 

 概率分析,虽然显示是房子,但显然是投喂数

 据不够致使计算机得出这样一个结论亦或是直接没有设置书包这个结果,所以计算机无法比较得出。

(此处做出猜测是因为代码并非我自己敲的,是借用的)

 

 

 手势识别与目标检测类似,也是根据网络搭建提取特征并在另外一个屏幕中               将之显现出来。

 

 当然,有时候也会出错

 

 

 

 

 这可能跟代码识别度有关,也与外界事物干扰有关,有时候能干扰到有时候不能,有点玄学。(此处代码也是借用他人,可自行搜取)

更具体的东西例如如何制作估计得过好长时间了,可以等待我深层了解后补充。

版权声明:本文为CSDN博主「启705」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/qq_63481513/article/details/121568805

启705

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

Anchor和RPN的浅薄理解(一)-Anchor Box和特征的对应

首先:一幅图说明一切(创作不易,欢迎订阅(*^_^*)) 明确第一个概念:anchor是特征上的每个像素映射到原图上的相应位置的点,其位置是在原始图像上。anchor box是以anchor为中心按照预先设定的比例和尺寸得到的矩形框,其位置也是