.png){kind=icon}
返回
Semaphore Recognition Using Deep Learning
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14020286.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了深度学习模型在信号旗识别中的应用，比较了YOLO11与基本CNN、ResNet18和DenseNet121。实验结果表明，YOLO11优于其他模型，在所有常用评估指标上均表现出更优的性能。混淆矩阵进一步证实，YOLO11在测试模型中展现出最高的分类准确率。此外，通过将MediaPipe的人体姿态数据与图像数据集成，创建多模态输入进行训练，观察到姿态数据显著提升了模型的性能。利用MediaPipe的姿态数据进行标注生成和模型训练，使YOLO11在测试集上达到了惊人的99%准确率。本研究突出了YOLO11在信号旗识别任务中的有效性。此外，它表明在处理涉及人体姿态的任务时，MediaPipe不仅通过姿态特征数据提升模型性能，还促进了数据处理，并对后续阶段的预测结果验证做出贡献。
Keyword:
YOLO11
semaphore recognition
convolutional neural network (CNN)
deep learning
MediaPipe
feature extraction
data enhancement
pre-training model
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
Deep Learning-Based Model for Effective Classification of Ziziphus jujuba Using RGB Images基于深度学习的RGB图像红枣有效分类模型OAAI
OAAI分享收藏The Recognition Of Semaphore Letter Code Using Haar Wavelet And Euclidean Function基于Haar小波和欧氏函数的旗语字母码识别
PREAI
分享收藏Leveraging Pre-trained ResNet-18 with Transfer Learning for Yoga Posture Classification利用预训练ResNet-18结合迁移学习进行瑜伽体式分类.png)
2024 Second International Conference on Networks, Multimedia and Information Technology (NMITCON)
2024 Second International Conference on Networks, Multimedia and Information Technology (NMITCON)IF0
PREAI
分享收藏Research on a High-Efficiency Goat Individual Recognition Method Based on Machine Vision基于机器视觉的高效山羊个体识别方法研究AnimalsOAAI
AnimalsIF0
OAAI分享收藏
查看更多内容