4.4_色块模型识别检测《智能机器人技术应用》.pptx

4.4_色块模型识别检测《智能机器人技术应用》.pptx

  1. 1、本文档共54页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

项目四YOLO模型实现目标检测创灵实验平台

色块模型识别检测任务四

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务四色块模型识别检测

掌握色块分类识别推理流程和编码;了解色块分类识别并推理功能实现;掌握判断模型优劣方法,对相应模型进行推理效果测试;掌握模型优化方法,并学会自主测试。掌握色块分类识别推理流程和编码;掌握判断模型优劣方法;掌握模型优化方法。职业能力目标01实验目的实验内容

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务四色块模型识别检测

此任务要求同学们掌握色块分类识别推理流程和编码,了解色块分类识别并推理功能实现;掌握判断模型优劣方法,对相应模型进行推理效果测试;掌握模型优化方法,并学会自主测试。任务描述任务要求完成色块分类识别推理流程和编码,得到实验结果,能够正确识别色块;掌握色块分类识别并推理功能实现,实现在不同环境下识别色块;掌握判断模型优劣方法,对模型进行优化;掌握模型优化方法。任务描述与要求02

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务四色块模型识别检测

任务分析我们要怎么去学习判断模型优劣呢?在前几个章节的学习中,大家对色块模型有一定了解了吗三.根据自己的了解,通过色块模型识别检测在生活中还有哪些用途呢?任务分析与计划03

任务计划表项目名称创灵实验平台任务名称色块模型识别检测计划方式自主设计计划要求请用6个计划步骤来完整描述出如何完成本次任务序号任务计划1?2?3?4?5?6?通过上面的思考,你是否对本任务要完成的工作有所了解?让我们一起来制订完成本次任务的实施计划吧!任务分析与计划03

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务四色块模型识别检测

204知识储备色块分类识别1模型优化

色块分类识别04我们以魔方的色块识别为例子:1.阈值结构:一个颜色阈值的结构是这样的:red=(minL,maxL,minA,maxA,minB,maxB)思考一下,在生活中我们有哪些地方使用过色块分类识别?

色块分类识别042.IDE指定识别颜色:1)、在IED中打开阈值编辑器思考一下,在生活中我们有哪些地方使用过色块分类识别?

色块分类识别042.IDE指定识别颜色:2)、选择颜色图片来源思考一下,在生活中我们有哪些地方使用过色块分类识别?

色块分类识别042.IDE指定识别颜色:3)、选择帧缓冲区需要实现运行IDE并将想要识别的颜色保持在缓冲区中大家对色块识别有了简要的了解了吗?

色块分类识别042.IDE指定识别颜色:4)、然后调节跟踪阈值,将想要识别的颜色调整为高亮(白色),之后出现的阈值就是我们想要识别颜色的阈值,复制即可。大家对色块识别有了简要的了解了吗?

色块分类识别04大家对色块识别有了简要的了解了吗?

色块分类识别04色块对象函数:想要详细了解可以去查阅百度百科、CSDN等等,在这里我们仅作了解。

05知识储备模型优化2色块分类识别13

模型优化方法041.梯度下降法SGD:最基本的优化方法,沿着负梯度的方向更新参数,实现如下:其中learning_rate是超参数代表学习率,被更新的变量为w,其梯度为dw,梯度-位置,很好理解。思考一下,在生活中我们有哪些地方见到过模型优化?#梯度下降法w+=-learning_rate*dw

模型优化方法041.梯度下降法SGD:缺点:有可能会陷入局部最小值,容易被困在鞍点;容易产生震荡不收敛,最终会一直在最小值附近波动,并不会达到最小值并停留在此;下降速度慢,迟迟不能到达全局最优值;选择合适的learningrate比较困难;在所有方向上统一的缩放梯度,不适用于稀疏数据。思考一下,在生活中我们有哪些地方见到过模型优化?

模型优化方法04#动量法w+=beta*w-learning_rate*(1-beta)*dw#梯度影响速度2.动量法Momentum:动量法是一类从物理中的动量获得启发的优化方法,可以简单理解为:当我们将一个小球从山上滚下来时,没有阻力的话,它的动量会越来越大,但是如果遇到了阻力,速度就会变小。实现如下:变量v的初始值被定为0,超参数mu在优化过程中被视为动量,其物理意义可以视为摩擦系数,加入的这一项,可以使得梯度方向不变的维度上速度变快,梯度方向有所改变的维度上的更新速度变慢,这样就可以加快收敛并减小震荡。和之

您可能关注的文档

文档评论(0)

xiaobao + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档