英雄联盟 + 头盔检测数万张数据+检测模型放送

淡淡的烟草味﹌ 2022-10-14 01:12 94阅读 0赞

头盔

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2MDk4NTc0_size_16_color_FFFFFF_t_70_pic_center]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2MDk4NTc0_size_16_color_FFFFFF_t_70_pic_center 1]  
英雄联盟小地图训练数据，带权重：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2MDk4NTc0_size_16_color_FFFFFF_t_70_pic_center 2]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2MDk4NTc0_size_16_color_FFFFFF_t_70_pic_center 3]

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：  
siham@ugr.es, herrera@decsai.ugr.es  
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**

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2MDk4NTc0_size_16_color_FFFFFF_t_70_pic_center]: /images/20221014/058e16bffbb24b4e9b876b2de0076002.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2MDk4NTc0_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221014/a41d3257272d478e984b4643589aa6c4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2MDk4NTc0_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221014/d4b8150403734935907f9636a81de2b0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ2MDk4NTc0_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20221014/3e1c3d0cda3746bb95027b75d8ad3529.png