英雄联盟 + 头盔检测数万张数据+检测模型 放送

头盔

英雄联盟小地图训练数据，带权重：

不多说：
评论区回复：头盔 或者 英雄联盟 获取吧
不可思议的是：333训练集的枪支检测，居然发了论文！
https://arxiv.org/pdf/1702.05147.pdf
有点难以置信。

下面带来部分翻译内容

视频中的自动手枪检测报警
使用深度学习
罗伯托·奥尔莫斯
1
，SihamTabik
1
，和Francisco Herrera1，2
1软件计算与智能信息系统研究
组
2计算机科学和人工智能专业，
格拉纳达大学，18071格拉纳达，西班牙。电子邮件：
[email protected], [email protected]
2017年2月20日
摘要
目前的监控系统仍需要人的监督和干预。本文介绍了一种新型自动手枪
视频中的检测系统，既适用于监视和控制目的。我们把这个检测问题重新表述成这个问题
构建关键训练，最大限度地减少误报并解决
基于深卷积神经网络结果的数据集
（CNN）分类器，然后评估两种分类模式下的最佳分类模型
方法、滑动窗法和区域建议法。
基于更快的R-CNN模型得到了最有希望的结果
在我们的新数据库上接受过培训。最佳探测器显示出高电位甚至
在低质量youtube视频中，作为自动报警系统，取得了令人满意的效果。30个场景中，成功激活报警
在不到0.2秒的时间内连续五次真阳性后，在27场比赛中。
我们还定义了一个新的度量，即每间隔报警激活（AApI），以
评估作为自动检测的检测模型的性能
系统在视频中。
索引术语.分类、检测、深度学习、卷积神经网络（CNN）、更快的R-CNN、VGG-16、每间隔报警激活
1简介
枪械犯罪率在世界上许多地方都很受关注，
尤其是在拥有枪支合法或合法的国家
一段时间。联合国办事处上次报告的统计数字
毒品和犯罪问题办事处（毒品和犯罪问题办公室）显示，涉及枪支的犯罪数量1
arXiv:1702.05147v1[cs.CV]2017年2月16日
在许多国家，每100000人中有很高的居住者，例如墨西哥的21.5人，
4.7在美国和比利时为1.6[19]。此外，还有几个心理
研究表明，获得枪支的简单事实增加了
发生暴力行为的可能性很大。
减少这种暴力的一种方法是通过早期发现预防
这样安全人员或警察就可以行动了。特别是一个创新
解决此问题的方法是为监视或控制摄像头配备
精确的自动手枪检测报警系统。相关研究地址
仅在X射线或毫米波图像上检测火炮
使用传统机器学习方法[6、7、28、25、26]。
近五年来，深度学习一般与卷积神经
尤其是网络（CNN）取得了优于所有经典网络的结果
图像分类、检测和分割中的机器学习方法
在若干应用中[18、13、22、8、29、23]。而不是手动选择
特点，深度学习CNN自动发现越来越高的水平
数据的特征[17，11]。我们的目标是开发一个好的视频枪支探测器
使用CNN。
对包含数百万参数的深CNN进行适当的培训，需要非常大的数据集，以数百万个样本的顺序，以及高数据集
性能计算（HPC）资源，例如，使用GPU加速的多处理器系统。通过微调进行迁移学习正在成为一个广泛的领域
可接受的替代方案，以克服这些限制。它包括重新利用
从一个问题学到的知识到另一个相关问题[20]。应用深层CNNs的迁移学习依赖于原学习的相似性
并对新问题以及新训练集的规模进行了探讨。
通常，对整个网络进行微调，即更新所有权重
只有当新数据集足够大时才使用，否则模型可能会受到影响
过度适应，尤其是在网络的第一层中。因为这些层
提取低级特征，例如边缘和颜色，它们不会显著变化
并可用于多个视觉识别任务。的最后一层
CNN逐渐适应问题的特殊性并提取
高级特征，人眼无法读取。在这项工作中我们
使用了基于VGG-16的基于ImageNet数据集的预培训分类模型
（1000个通用对象类的128万个图像）[24]并进行微调
在我们自己的数据集上，我们拍摄了3000张不同背景下拍摄的枪支图像。
评论区回复：头盔或者 英雄联盟 获取吧