轨道异物检测

深度学习-轨道异物检测
（1）本实验主要通过YOLO-v3（轻量级）的算法进行设计；
（2）本实验所需要的数据集来源于实验室；
（3）本实验使用LabelImg标注工具对数据集进行标注（这个标注软件可以对矩形的图像标注，并将标注结果保存为.txt或.xml的格式.如果后期需要对标注文件的标签类别内容进行改变，那我们就需要在主目录data文件夹中找到指定的文件进行改变）；
（4）本实验将标注好的. xml 文件的数据集通过转换程序，生成 Main 文件夹下4个.txt文件(test.txt，train.txt，trainval.txt， val.txt)；
（5）本实验使用Tensorflow的框架来对模型进行训练；
（6）本实验图像预处理时使用Darkent-53结构；
（7）YOLO_v3并不需要我们进行增加正负值的样本，训练过程简单，当待检测的图像中出现多个目标时，需要对阙值进行筛选，按照预设边框的置信度和输入的阈值，将小于阈值的预设边框剔除，使用非最大抑制比去掉多出来的预设边框，这样同一个目标同时被两个甚至更多的框预测；
（8）本实验利用验证集对实验性能进行了评估，模型达到了预期效果；
（9）数据集的标注流程；

（10）数据集的检测流程；

（11）效果展示；



(12)本实验难度较小，可为课程设计提供参考
源码获取方式：