基于 YOLOv5 的光照与旋转不变实时车辆车轮检测器
计算机视觉与模式识别
2023-05-30 v1
摘要
在计算机视觉中，基于卷积神经网络（CNN）架构最初开发物体检测器时存在一些常见挑战。当所创建模型需适应不同相机朝向、光照条件及环境变化所捕获的图像时，这些挑战更为明显。用于覆盖所有这些条件的初始训练样本的获取可能是一项耗时费力的巨大挑战。尽管该问题在创建任意类型物体检测时均可能存在，某些类型较不常见且无公开存在的预标注图像数据集。有时公开数据集对稀有物体类型不可靠亦不全面。车辆车轮即为这类例子之一，被选用于演示基于 YOLOv5 架构创建光照与旋转不变实时检测器的方法。目标是提供一种简易方法，可作为开发其他类型实时物体检测器的参考。
引用
@article{arxiv.2305.17785,
title = {Lighting and Rotation Invariant Real-time Vehicle Wheel Detector based on YOLOv5},
author = {Michael Shenoda},
journal= {arXiv preprint arXiv:2305.17785},
year = {2023}
}
备注
Paper is written back in December 2021