【文件属性】：
文件名称：Object-Detection-and-Bounding-Box-Regression
文件大小：1.35MB
文件格式：ZIP
更新时间：2021-03-27 00:44:15
JupyterNotebook
具有KERAS，tensorflow和深度学习的多类对象检测和边界框回归
我的项目基于使用卷积神经网络和TensorFlow Framework和Kareas API进行对象检测的机器学习技术的开发。
在深度学习中，某些层负责某些识别模式，例如边缘，纹理等。
卷积网络的思想基于此概念，它用于分析我们假设的图像，并且在该图像中存在像素值的情况下，我们将使用也称为内核的过滤器，该过滤器将执行卷积运算以获取较小值的其他值矩阵，从而识别每一层所需的图案。
但是，对于该项目的开发，使用了转移学习技术。 我们使用ImageNet数据库下载了VGG 16经典神经网络的预训练参数，并删除了最后的一维层，为模型的预测添加了方便的层。
此外，在此项目中，我们还通过从边界框绘制矩形来执行要分类的对象的检测。
因此，我们在模型的最后阶段有两种类型的预测，即类别预测和边界框预测。
在此项目中，所有其他层
【文件预览】：
Object-Detection-and-Bounding-Box-Regression-main
----LICENSE(1KB)
----README.md(6KB)
----Project()
--------Multi-class object detection and bounding box regression with Keras, TensorFlow, and Deep Learning.ipynb(864KB)
--------Multi-class object detection and bounding box regression with Keras, TensorFlow, and Deep Learning V_02.ipynb(863KB)
----Images()
--------Logotipo.png(33KB)
--------transfer learning example.png(86KB)
----.gitattributes(66B)