Resumen

En el campo de la detección de objetos, recientemente se ha logrado un tremendo éxito, pero sigue siendo una tarea muy desafiante detectar e identificar objetos con precisión y rapidez. Los seres humanos pueden detectar y reconocer múltiples objetos en imágenes o videos con facilidad, independientemente de la apariencia de los objetos, pero para las computadoras es desafiante identificar y distinguir entre las cosas. En este documento se propone un modelo de red neuronal basado en YOLOv1 modificado para la detección de objetos. El nuevo modelo de red neuronal se ha mejorado de las siguientes maneras. En primer lugar, se realiza una modificación en la función de pérdida de la red YOLOv1. El modelo mejorado reemplaza el estilo de margen por el estilo de proporción. En comparación con la antigua función de pérdida, la nueva es más flexible y más razonable para optimizar el error de la red. En segundo lugar, se añade una capa de agrupamiento piramidal espacial; en tercer lugar, se añade un modelo de inicio con un núcle

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Campo; Detección de objetos; Red neuronal; YOLOv1; Modificación; Rendimiento
• Keywords:Field; Object detection; Neural network; YOLOv1; Modification; Performance