在这篇文章中，我们将学习如何在OpenCV上使用YOLOv3（目标检测网络）。YOLOv3是检测算法YOLO的最新变种已发布的模型可识别图像和视频中的80个不同对象，但最重要的是它具有超快速且几乎与SingleShotMultiBox（SSD）一样准确。从OpenCV3.4.2开始，您可以在自己的OpenCV应用程序中轻松使用YOLOv3模型。我们可以将对象检测器视为对象定位器和对象识别器的组合。1YOLO介绍1.1YOLOv3原理在传统的计算机视觉方法中，使用滑动窗口来寻找不同位置和尺度的物体。因为这是非常耗时的操作，所以通常假设物体的纵横比是固定的。基于早期深度学习的对象检测算法（如R-C
在这篇文章中，我们将学习如何在OpenCV上使用YOLOv3（目标检测网络）。YOLOv3是检测算法YOLO的最新变种已发布的模型可识别图像和视频中的80个不同对象，但最重要的是它具有超快速且几乎与SingleShotMultiBox（SSD）一样准确。从OpenCV3.4.2开始，您可以在自己的OpenCV应用程序中轻松使用YOLOv3模型。我们可以将对象检测器视为对象定位器和对象识别器的组合。1YOLO介绍1.1YOLOv3原理在传统的计算机视觉方法中，使用滑动窗口来寻找不同位置和尺度的物体。因为这是非常耗时的操作，所以通常假设物体的纵横比是固定的。基于早期深度学习的对象检测算法（如R-C
汉字检测、字母检测、手写数字检测、藏文检测、甲骨文检测在我之前的文章中都有做过了，今天主要是因为实际项目的需要，之前的汉字检测模型较为古老了还使用的yolov3时期的模型，检测精度和推理速度都有不小的滞后了，这里要基于yolov5轻量级的模型来开发构建新版的目标检测模型，首先看下效果图：接下来简单看下数据集情况：YOLO格式标注文件截图如下：实例标注内容如下所示：170.2451920.6177880.0384620.03846260.1021630.8305290.0456730.045673160.8942310.0961540.1346150.13461540.4567310.52403
汉字检测、字母检测、手写数字检测、藏文检测、甲骨文检测在我之前的文章中都有做过了，今天主要是因为实际项目的需要，之前的汉字检测模型较为古老了还使用的yolov3时期的模型，检测精度和推理速度都有不小的滞后了，这里要基于yolov5轻量级的模型来开发构建新版的目标检测模型，首先看下效果图：接下来简单看下数据集情况：YOLO格式标注文件截图如下：实例标注内容如下所示：170.2451920.6177880.0384620.03846260.1021630.8305290.0456730.045673160.8942310.0961540.1346150.13461540.4567310.52403
随着社会和经济的持续发展，电力系统的投资与建设也日益加速。在电力系统中，输电线路作为电能传输的载体，是最为关键的环节之一。而绝缘子作为输电环节中的重要设备，在支撑固定导线，保障绝缘距离的方面有着重要作用。大多数高压输电线路主要架设在非城市内地区，绝缘子在输电线路中由于数量众多、跨区分布，且长期暴露在空气中，受恶劣自然环境的影响，十分容易发生故障。随着大量输电工程的快速建设，传统依靠人工巡检的模式，已经越来越难以适应高质量运维的要求。随着国网公司智能化要求的提升，无人机技术的快速应用，采取无人机智能化巡视，能够大幅度减少运维人员及时间，提升质量，因此得到快速发展。深度学习技术的大量应用，计算机运
随着社会和经济的持续发展，电力系统的投资与建设也日益加速。在电力系统中，输电线路作为电能传输的载体，是最为关键的环节之一。而绝缘子作为输电环节中的重要设备，在支撑固定导线，保障绝缘距离的方面有着重要作用。大多数高压输电线路主要架设在非城市内地区，绝缘子在输电线路中由于数量众多、跨区分布，且长期暴露在空气中，受恶劣自然环境的影响，十分容易发生故障。随着大量输电工程的快速建设，传统依靠人工巡检的模式，已经越来越难以适应高质量运维的要求。随着国网公司智能化要求的提升，无人机技术的快速应用，采取无人机智能化巡视，能够大幅度减少运维人员及时间，提升质量，因此得到快速发展。深度学习技术的大量应用，计算机运
