《计算机视觉应用开发》项目10 基于YOLOv3实现零售柜.docx

《计算机视觉应用开发》项目10 基于YOLOv3实现零售柜.docx

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(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

《计算机应用开发》教案

授课题目

基于YOLOv3实现零售柜商品检测

授课类型

新授课

授课时长

12节课

教学内容

教学目标

知识目标

(1)熟悉传统目标检测方法的基本流程。

(2)掌握深度学习目标检测方法的两种类别。

(3)熟悉YOLO系列算法的原理及YOLOv3的特点。

(4)掌握目标检测模型的评估指标。

能力目标

(1)能够通过训练YOLOv3实现零售柜商品检测。

(2)能够将目标检测模型部署在端侧设备上进行实时检测。

情感目标

培育法治意识和数据安全意识。

教学重点

(1)训练YOLOv3实现零售柜商品检测。

(2)将目标检测模型部署在端侧设备上进行实时检测。

教学难点

将目标检测模型部署在端侧设备上进行实时检测

教法学法

讲授法、练习法、演示法

特色学习资源分析、技术手段应用说明

学习场所:实训室

教学资源:PPT、视频、操作手册、学生任务单

教学设备:电子白板

学情分析

学生在平台进行过模型的训练与推理,但未运用编码进行过训练与推理。

板书设计

(教学结构图)

目标检测模型训练与预测

教学环节

(时间分配)

教学内容及教师活动

学生活动

设计意图及

实施效果

【情境导入】

【项目描述】

【项目分析】

【知识准备】

【项目实操】

【课堂总结】

【情境导入】

在传统的零售柜中,无论是大型超市,还是小型便利店,在居民密集区及消费高峰时段(如周末)经常会出现排队结算的现象。若我们能够利用目标检测一次性的识别所有商品和价钱,就能大大缩短结账时间。

使用PaddlePaddle框架导入YOLOv3,对商品进行商品检测操作。

本项目首先介绍目标检测的进阶知识,然后介绍如何训练YOLOv3来实现零售柜商品

检测,具体分析如下。

(1)学习传统的目标检测基本流程,能够加深对传统方法和深度学习方法的理解。

(2)理解Two-Stage目标检测算法和One-Stage目标检测算法的优缺点和不同

之处。

(3)熟悉YOLO系列深度学习目标检测算法,重点了解YOLOv3的特点。

(4)学习2个常见的目标检测模型的评估指标。

(5)能够基于PaddlePaddle框架加载YOLOv3并进行训练。

(6)能够使用IoU评估模型效果,并将最佳模型部署到端侧设备上。

数据集分类

知识点:

切片

os库,os.listdir()方法

任务:完成任务单第一、二大题

数据集预处理

学生查看paddle的transfomers预处理方法

图像数据输入

利用pdx.datasets里的VOCDetection模块将数据输入进行处理

启动模型训练

五、查看模型训练结果

模型训练在gpu的环境下迭代50次大概花费了1个小时的时间,上图的epoch是训练轮数;step是每轮训练图片的张数;这个的数值一般会随着训练逐渐减少(若没有出现过拟合的情况),是评估模型的一个标准;lr是learning_rate全局学习率。其中bbox-map约为18.42,loss约为107

六、部署商品检测模型

(一)下载模型,部署在“小黑盒”

(二)、 编写“predict.py”的Python文件用于商品检测代码

(1)新建predict.py

(2)编写商品检测代码

1、导入库

导入模型

编写

(三)、编写“predict_camera.py”文件用于商品摄像头检测代码

新建

编写

导入库

2、导入模型

3、编写

(四)模型推理

运行

教师检查学生的完成情况

【学生谈收获】

让学生分享在本次课上的所学所得,

【总结】

教师总结本次课内容。

学生回忆并思考

学生聆听并思考

学生聆听并思考

学生聆听并思考

学生根据教师演示完成数据集预处理

学生进行图像数据输入

学生训练模型

学生查看模型训练结果

部署模型

学生按要求新建predict.py

编写predict.py

学生编写商品检测代码

学生将模型预测结果进行展示

分享自己在本项目中的收获

聆听并思考

激发学生兴趣,联系学生已有的关于人工智能的经验,引入新课。

明确项目内容,有的放矢

明确学习内容

理实一体

教师带领学生实现一个较为困难的任务,故先分析流程,明晰步骤。

学生首次进行此类项目,较为复杂,教师下先进行演示,学生进行模仿,不至于使基础弱的学生迷失方向

给学生演示训练集的处理,要求学生自己完成测试集的处理,检验学生的理解程度。

学生在此处理解,batch、epoch的含义,加深对模型训练的理解

学生查看是对模型训练结果的检验,不仅课正式训练的结果,也使学生获得满足感,成就感。

教师带领学生实现一个较为困难的任务,故先分析流程,明晰步骤。

学生首次进行此类项目,较为复杂,教师下发操作手册不至于使基础弱的学生迷失方向

教师演示,部分学生可顺利完成,对基础

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