颜色分类leetcode CarND Project5 Vehicle Detection and Tracking 使用卷积神...

颜色分类leetcode车辆检测项目目标编写一个软件管道来识别来自汽车前置摄像头的视频中的车辆。在我的实现中，我使用深度学习方法进行图像识别。具体来说，我利用了卷积神经网络(CNN)的非凡能力来识别图像。然而，手头的任务不仅仅是检测车辆的存在，而是指向其位置。事实证明，CNN也适用于这些类型的问题。有一个专门针对本地化的in，我在解决方案中采用的原则基本上反映了该讲座中讨论的区域提案的想法，并在诸如.主要思想是，由于存在二元分类问题（车辆/非车辆），我们可以以这样一种方式构建模型，即它具有一个小训练样本（例如，64x3）的输入大小和一个单顶部的1x1特征卷积层，其输出将用作分类的概率值。被训练这种类型的模型的，输入的宽度和高度尺寸可任意地放大，变换从1x1的输出层的尺寸的纵横比大致匹配一个新的较大输入的地图。本质上，这将等于：将新的大输入图像切割成模型初始输入大小的正方形（例如，64x64）检测每个方块中的主题拼接生成的1x1检测结果，将与源输入中相应正方形相同的顺序保留到地图中，边的纵横比近似匹配新的大输入图像的纵横比。数据对于