《表2:检测训练数据评价结果》
首先是针对该本次试验的人脸识别系统信息数据进行搜集和整理,针对不同的分类完成格式、单位和尺度的统一,最终将该本次试验的YOLOV2算法人脸识别编程有效的字段名和表头;其次是完成Geodatabase的构建,依照流域的实际情况将不同的图层进行分类和储存;第三是把剩下的数据储存到access属性的二维表数据库中,同时完成分类和编码;最后是完善YOLOV2网络各版块的构建和相应的管理系统。本次采样的信息可以分为正脸人脸(face)、30°人脸(30°face)、60°人脸(60°face)、90°人脸(90°face)、人脸小片阴影(Small shadow)、人脸中片阴影(Medium shadow)、所人脸大片阴影(Big shadow)。YOLOV2网络的构建主要是为了服务本次试验的长江流域水系统,所以需要依靠图像频谱来获取相关的人脸知识并进行存储。基于上述图像处理的人脸识别方式很容易受到相应的干扰,在将数据录入Geodatabase数据库之前需要对人脸识别的方式进行相应的优化,来帮助数据库更好的甄别检测数据的准确性。这一方面需要针对外界干扰信号或者伪造信号的原理进行分析,另一方面需要针对Geodatabase数据库的缺陷来制定相应的优化方案,从根本上对这个问题进行解决就需要针对Geodatabase数据库的特性设置相应的识别和纠错能力。
图表编号 | XD00184749500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 高见 |
绘制单位 | 扬州市职业大学 |
更多格式 | 高清、无水印(增值服务) |