基于深度学习的对象检测可定位受过训练的对象类别,并使用周围的矩形(边界框)对其进行识别。 相邻或部分重叠的对象也被分开,从而实现对象计数。
HALCON 以及 MERLIC 还为用户提供了根据对象的方向对齐这些矩形的选项,从而实现了更精确的检测,因为矩形随后会更紧密地匹配对象的形状。
为了检测物体,有必要以边界框坐标的形式提供标注数据。 训练后的模型能够以一定的置信度检测不同类型的不同对象实例,包括它们在图像上的位置。 对于每个实例,模型都会返回一个边界框和一个相应的预测类。
HALCON 和 MERLIC 中均包含此技术。
我们在网页上使用了存储于用户本地终端小型文本信息记录文件(cookies)来为您提供理想的功能。如果在使用 浏览器时没有更改设置意味着同意使用cookies. 在privacy policy中您可以阅读更多的信息和细节(英文)。