基于CNN模型的目标检测系统设计与实现

作者：王婷婷; 程鸿芳

来源：机电信息, 2020, (20): 96-99.

DOI：10.19514/j.cnki.cn32-1628/tm.2020.20.055

• 目标检测
• CNN模型
• Tensorflow
• Python

目前主流的基于CNN的目标检测算法大致分为两大类:一类是2-stage检测算法,把检测问题分为两个阶段,首先生成候选区域,然后再对候选区域进行分类,这类算法的典型代表是基于region proposal的R-CNN系列算法,如R-CNN、Fast R-CNN、Faster R-CNN等;另一类是1-stage检测算法,对图像中的每一个部分都会进行预测,而且还可以直接生成对象的类别概率以及其位置坐标值,不需要region proposal阶段,也就是不需要生成候选区域,比较典型的算法有YOLO和SSD。在此基础上,设计并实现了一个基于CNN模型的目标检测系统,其开发环境为Windows10,使用了Tensorflow的深度学习框架,利用Py Qt5作为界面的开发框架,底层使用Python语言。

• 单位
  芜湖职业技术学院