网站建设都有什么栏目,企业所得税怎么申报,网站权重怎么做的,网站建设丽水加油站ai系统视频监测通过yolov5网络模型深度学习边缘计算技术#xff0c;加油站ai系统视频监测对现场卸油过程中人员违规离岗、现场灭火器没有按要求正确摆放、以及卸油前需要遵守静电释放15分钟、打电话、明火烟雾情况、抽烟行为进行自动识别。YOLO系列算法是一类典型的one-…加油站ai系统视频监测通过yolov5网络模型深度学习边缘计算技术加油站ai系统视频监测对现场卸油过程中人员违规离岗、现场灭火器没有按要求正确摆放、以及卸油前需要遵守静电释放15分钟、打电话、明火烟雾情况、抽烟行为进行自动识别。YOLO系列算法是一类典型的one-stage目标检测算法其利用anchor box将分类与目标定位的回归问题结合起来从而做到了高效、灵活和泛化性能好Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测核心思想就是利用整张图作为网络的输入直接在输出层回归 bounding box边界框 的位置及其所属的类别。
YOLOv5是一个在COCO数据集上预训练的物体检测架构和模型系列它代表了Ultralytics对未来视觉AI方法的开源研究其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。YOLOv5是YOLO系列的一个延申您也可以看作是基于YOLOv3、YOLOv4的改进作品。YOLOv5没有相应的论文说明但是作者在Github上积极地开放源代码通过对源码分析我们也能很快地了解YOLOv5的网络架构和工作原理。
和YOLOv4一样对输入的图像进行Mosaic数据增强。Mosaic数据增强的作者也是来自Yolov5团队的成员通过随机缩放、随机裁剪、随机排布的方式对不同图像进行拼接。采用Mosaic数据增强方法不仅使图片能丰富检测目标的背景而且能够提高小目标的检测效果。并且在BN计算的时候一次性会处理四张图片骨干网路部分主要采用的是Focus结构、CSP结构。其中 Focus 结构在YOLOv1-YOLOv4中没有引入作者将 Focus 结构引入了YOLOv5用于直接处理输入的图片。Focus重要的是切片操作4x4x3的图像切片后变成2x2x12的特征图。 Adapter接口定义了如下方法
public abstract void registerDataSetObserver (DataSetObserver observer)
Adapter表示一个数据源这个数据源是有可能发生变化的比如增加了数据、删除了数据、修改了数据当数据发生变化的时候它要通知相应的AdapterView做出相应的改变。为了实现这个功能Adapter使用了观察者模式Adapter本身相当于被观察的对象AdapterView相当于观察者通过调用registerDataSetObserver方法给Adapter注册观察者。
public abstract void unregisterDataSetObserver (DataSetObserver observer)
通过调用unregisterDataSetObserver方法反注册观察者。
public abstract int getCount () 返回Adapter中数据的数量。
public abstract Object getItem (int position)
Adapter中的数据类似于数组里面每一项就是对应一条数据每条数据都有一个索引位置即position根据position可以获取Adapter中对应的数据项。
public abstract long getItemId (int position)
获取指定position数据项的id通常情况下会将position作为id。在Adapter中相对来说position使用比id使用频率更高。
public abstract boolean hasStableIds ()
hasStableIds表示当数据源发生了变化的时候原有数据项的id会不会发生变化如果返回true表示Id不变返回false表示可能会变化。Android所提供的Adapter的子类包括直接子类和间接子类的hasStableIds方法都返回false。
public abstract View getView (int position, View convertView, ViewGroup parent)
getView是Adapter中一个很重要的方法该方法会根据数据项的索引为AdapterView创建对应的UI项。
