使用YOLO进行实时车辆检测

这是Udacity自动驾驶汽车纳米度项目。 该项目的目的是在行车记录仪视频中检测车辆。 我们使用你只看一次 (YOLO) 从仪表盘摄像头的视频流中检测车辆，并且能够实现几乎实时 (35FPS) 的处理。

该项目的代码是最终的视频输出在这里。视频流中的目标检测检测车辆是一个目标检测问题。 对象检测问题可以作为分类问题或回归问题来解决。

在分类方法中，图像被分成小的补丁，每个补丁将通过分类器运行，以确定补丁中是否存在对象。 边界框将分配给具有肯定分类结果的补丁。 在回归方法中，整个图像将直接通过卷积神经网络运行，为图像中的对象生成一个或多个边界框。

在这个项目中，我们将在Keras中实现tiny-YOLO的版本1，因为它易于实现并且相当快。tiny-YOLO v1目标检测的YOLO方法由两部分组成: 从图像中预测矢量的神经网络部分，以及将向量插值为框坐标和类概率的后处理部分。 对于神经网络，微小的YOLO v1由9个卷积层和3个完整连接层组成。

每个卷积层由卷积、泄漏和最大池化操作组成。 前9个卷积层可以理解为特征提取器，而后3个全连接层可以理解为预测边界框的回归头。 模型中共有45,089,374个参数。

该网络的输出是一个1470向量，其中包含预测边界框的信息。 信息按以下方式组织1470矢量输出分为三个部分，给出概率，置信度和框坐标。 这三个部分中的每个部分也被进一步划分为49个小区域，对应于形成原始图像的49个单元格处的预测。

在后处理步骤中，我们从网络输出这个1470向量来生成概率高于某个阈值的盒子。训练YOLO网络非常耗时。 我们从这里使用预先训练的权重 (172M) 并将其加载到我们的Keras模型中。

结果以下显示了几种测试图像的结果。 我们可以看到汽车被正确检测到: 这是将相同的管道应用于视频的结果。 为了查看模型的真实性能，每个帧都是独立处理的，并且不应用时间平滑。

我们看到检测相当准确，只有一个假阳性。众所周知，YOLO速度很快。 在此项目中，视频在Nvidia 1080Ti GPU上进行处理，无需批量处理即可实现35FPS。

致谢感谢allanzelener和Trieu对YOLO的有益讨论。 感谢Calvenn Tsuu进行性能测试。参考

雷德蒙，S。 Divvala，R. Girshick和A。

Farhadi，你只看一次: 统一，实时对象检测，arXiv:1506。 02640 (2015). J.

雷蒙和A。 Farhadi，YOLO9000: 更好，更快，更强，arXiv:1612.08242 (2016)。

darkflow，相关问题在印度北部是否有生物医学工程的职业或范围？由于OP没有指定任何特定的内容，并且OP出现在印度。nI假设并编辑了这个问题，说它的北印度，并更正了职业的拼写。

印度北部生物医学工程的职业或范围。 nI来自北方，在那里经验丰富的生物医学工程，那么您对samenCareer wise有什么选择: 德里NCR，昌迪加尔以及北部其他重要的二线城市的医院都可以提供生物医学工程工作。 除此之外，德里NCR有n家从事生物医学工程的公司。

德里拥有印度最大的手术器械公司之一。 这些公司从事医疗设备的制造和贸易。 除此之外，还有许多公司雇用工程师来处理不同的配置文件，例如应用程序专家，服务和销售工程师。

我在德里-NCR的大多数朋友都处于有利地位，并且在职业生涯中成长得体。 研究明智: 生物医学工程中心，AIIMS和IIT德里是该国生物医学工程领域最具前瞻性的研究中心之一。 他们还与斯坦福大学为斯坦福印度生物设计合作。除此之外，我们在古尔冈有国家大脑研究中心，在德里的生物医学实验室做了惊人的研究，在生物医学工程方面做了很多工作。我们在昌迪加尔也有生物医学工程方面的研究人员，拥有一流生物医学研究设施的CSIR实验室Ropar还与NIT Jalandhar一起提供生物医学研究，NIT Jalandhar在生物医学工程研究方面拥有据点，因为ITBHU提供的硕士课程也提供了良好的研究机会，IIIT alahabad与NIT allahabadnn一起也有很好的机会。在接下来的几年中，不仅在印度北部，而且在印度各地，生物医学工程领域都有很大的发展空间。

外国对医疗器械研究的投资正在增加，所以不要失去希望，专注于你的基础知识，我们正在努力。 。印度北部有生物医学工程的职业或范围吗？

他们在印度北部从事生物医学工程的职业或范围吗？