基于mmdetection框架 和sklearn 开发的垃圾桶满溢检测程序

Setup
pip install -r requirements.txt

切换环境source activate open-mmlab

Demo
python run.py

Method
传统机器学习:SVM glcm特征 rgb hls 标准差 偏差 特征

深度学习:hrnet特征提取 cascade maskrcnn 目标检测 测试结果测试10张垃圾桶图片, 测试结果为8张正确 测试100张 75左右

测试结果
传统机器学习:144张图片 桶的数量不一, 总共测试结果ap 84 左右 深度学习:400左右样本训练模型,大图测试精度ap 75左右

优劣比较
1.优点深度学习方法 提升空间大增加样本,调整网络必然会增加map 适合使用在无法预估环境或环境变化明显的场景, 可检测分割一起测试不需要定位, 缺点:需要增加样本,迭代较慢。 2.优点传统方法速度快的方法和慢的方法 无明显精度差距,迭代快,训练速度快,使用方便 目前维持精度85,缺点精度很难上升。

需要你的星星 # - -