Блог

мой проект по обнаружению автомобиля и шоу движется или не движется, поэтому в основном у меня есть CSV-файл, содержащий две метки (движущаяся и неподвижная), и я обучил свою модель, используя последовательную модель (полностью подключенный слой), и сохранил ее в этом формате hdf5. Итак, мой вопрос теперь: могу ли я использовать свою модель (hdf5) с алгоритмами обнаружения объектов, такими как (Быстрее R-CNN, YOLO), если да, я надеюсь, что смогу найти четкое руководство по этому вопросу, или мой путь неверен, и я должен поступить по-другому

Неясно, как вы хотите использовать свою модель в сочетании с YOLO/Faster R-CNN, поэтому мне придется сделать некоторые предположения. Из вашего вопроса также неясно, что находится в вашем CSV — файле-это на самом деле данные пикселей или данные оптического потока? Возможно, вам сначала нужно посмотреть несколько простых руководств по ЙОЛО, чтобы понять, как это работает.

YOLO-это модель обнаружения объектов. Он принимает изображение в качестве входных данных и рисует именованные ограничительные рамки вокруг объектов, которые он распознает на этом изображении. Это достаточно быстро, чтобы работать в режиме реального времени с некоторыми видео. Входные данные-пиксели: изображение (или видеокадр). Вывод представляет собой серию меток и координат ограничительной рамки (и большинство учебных пособий будут рисовать ограничительные рамки и метки на изображении и выводить их). Вы можете использовать его для обнаружения автомобиля (используя предварительно обученный файл модели YOLO, который идентифицирует автомобили) и оценки координат для обрезки видео (пространственно и временно), чтобы у вас был необходимый объем информации для запуска вашей модели. Затем вам нужно будет перевести пиксели из обрезанного видео в нужный формат для вашей модели (что бы это ни было). Вы можете загрузить модель из модели hd5 в keras с помощью load_model("mymodelfilename.hd5")