旅客安检置物框目标检测项目
微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。
案例介绍
负责内容：使用Python作为开发语言，以旅客安检置物框图片作为数据集进行数据标注，主要检测旅客遗漏的证件、登机牌、小物品等，利用pytorch框架从底层搭建YOLOV5模型训练后实现空框残留物品检测， 并转换成ONNX模型部署至服务器。
成果：1、产出一项深度学习视觉模型，YOLOV5；2、空框残留物检测mAP达到86%左右；3、基于该视觉方法在仿真中优化了安检人员人数配置。
成果：1、产出一项深度学习视觉模型，YOLOV5；2、空框残留物检测mAP达到86%左右；3、基于该视觉方法在仿真中优化了安检人员人数配置。
旅客安检置物框目标检测项目
联系该工程师
微信扫码，建群沟通
案例介绍
负责内容：使用Python作为开发语言，以旅客安检置物框图片作为数据集进行数据标注，主要检测旅客遗漏的证件、登机牌、小物品等，利用pytorch框架从底层搭建YOLOV5模型训练后实现空框残留物品检测， 并转换成ONNX模型部署至服务器。
成果：1、产出一项深度学习视觉模型，YOLOV5；2、空框残留物检测mAP达到86%左右；3、基于该视觉方法在仿真中优化了安检人员人数配置。
案例图片
相似案例推荐
-
YOLOv7智能识别
yolov7/v8/v5智能识别 支持多种目标识别 支持
-
多摄像头调用与识别
基于Deepstream的智能视频分析系统搭建支持 多路视
-
实时视频识别
使用硬解码解码实时视频流，并使用yolov5进行推理。 1
-
YOLOv7智能识别
Yolov7、v8、v5模型训练 支持自定义目标识别 支
-
多摄像头调用与识别
基于Deepstream的智能视频分析系统搭建支持 多路视
-
AI图像生成项目
该系统包括图像算法服务、资源生成服务、API规范接口系统、分
1小时精推人才
需求方专属客服，免费梳理匹配
扫码加微信 · 客服人工对接
