算法分为4个流程,首先用yolov5s模型从原图中识别出仪,接着用yolov8x-pose模型检测出仪表中的刻度线、指针的关键点,再用DBNetpp模型检测出数值框并用SATRN模型进行文本识别,最后后处理得到读数结果。 (1)基于YOLOv5s的仪表检测 选型理由 Yolov5s网络小,速度快。虽然AP精度低,但检测的是仪表这种大目标是完全够用...
算法分为4个流程,首先用yolov5s模型从原图中识别出仪,接着用yolov8x-pose模型检测出仪表中的刻度线、指针的关键点,再用DBNetpp模型检测出数值框并用SATRN模型进行文本识别,最后后处理得到读数结果。 (1)基于YOLOv5s的仪表检测 选型理由 Yolov5s网络小,速度快。虽然AP精度低,但检测的是仪表这种大目标是完全够用...
1、仪表刻度存在遮挡、模糊等问题,影响OCR识别 2、仪表图像存在旋转、倾斜问题,影响读数测量 算法设计 算法分为4个流程,首先用yolov5s模型从原图中识别出仪,接着用yolov8x-pose模型检测出仪表中的刻度线、指针的关键点,再用DBNetpp模型检测出数值框并用SATRN模型进行...
刻度点识别对于预测关键点与真实关键点,计算RMSE,此部分成绩记为score23、OCR识别对于预测的数值框,计算f1-score,IoU使用0.5,此部分成绩记为score34、读数识别计算每个仪表的读数得分,并对所有仪表的得分求平均值,此部分成绩记为 score4将上述4点得到4项成绩进行加权,最终得分:...
1、仪表识别 通过预测与真实仪表框对比，计算f1-score，IoU阈值设为0.7，记为score1。2、刻度点识别 预测关键点与真实关键点比较，计算RMSE，记为score2。3、OCR识别 预测的数值框与真实数值框对比，计算f1-score，IoU使用0.5，记为score3。4、读数识别 计算每个仪表的读数得分，对所有仪表得分求...
1、仪表刻度存在遮挡、模糊等问题,影响OCR识别 2、仪表图像存在旋转、倾斜问题,影响读数测量 算法设计 算法分为4个流程,首先用yolov5s模型从原图中识别出仪,接着用yolov8x-pose模型检测出仪表中的刻度线、指针的关键点,再用DBNetpp模型检测出数值框并用SATRN模型进行文本识别,最后后处理得到读数结果。
本文为ECV2023大赛仪表盘读数识别德国冠军方案解读,包含了对赛题的分析和模型选取构建的思考过程。 赛题任务 1、仪表识别 对于预测仪表框与真实仪表框,计算f1-score,IoU使用0.7,此部分成绩记为score1 2、刻度点识别 对于预测关键点与真实关键点,计算RMSE,此部分成绩记为score2 ...
本文为ECV2023大赛仪表盘读数识别德国冠军方案解读,包含了对赛题的分析和模型选取构建的思考过程。 赛题任务 1、仪表识别 对于预测仪表框与真实仪表框,计算f1-score,IoU使用0.7,此部分成绩记为score1 2、刻度点识别 对于预测关键点与真实关键点,计算RMSE,此部分成绩记为score2 ...
1、仪表刻度存在遮挡、模糊等问题,影响OCR识别 2、仪表图像存在旋转、倾斜问题,影响读数测量 算法设计 算法分为4个流程,首先用yolov5s模型从原图中识别出仪,接着用yolov8x-pose模型检测出仪表中的刻度线、指针的关键点,再用DBNetpp模型检测出数值框并用SATRN模型进行文本识别,最后后处理得到读数结果。