Bbox-label-tool的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

Bbox-label-tool進入發燒排行的影片

結合GAN與YOLO模型在交通號誌偵測和識別上的應用

為了解決Bbox-label-tool的問題，作者劉諺庭 這樣論述：

卷積神經網絡（CNN）在交通標誌檢測和識別方面的表現與是否有足夠的訓練數據有關。但是，要搜集並且標籤世界上大多數國家/地區的交通標誌數據非常困難且複雜。在這種情況下，生成對抗網路（GAN）可以合成真實且多樣化的訓練圖像，以填補實際圖像分佈中缺乏的數據。本文主要討論了由DCGAN，LSGAN，WGAN生成的合成圖像品質，並將合成圖像加入原始圖像數據集中，進一步增加了數據集大小並驗證了合成數據集的有效性。我們使用不同數量和大小的圖像進行訓練，並且使用結構相似性指數（SSIM）和均方誤差（MSE）做為評估圖像品質的依據。我們的工作在生成的合成圖像與相應的真實圖像之間測量了SSIM值，生成的圖像與實

際圖像顯示了高度的相似性。同時討論了輸入圖像多寡與圖像大小間的差異，當使用200張圖像作為輸入，並且圖像尺寸為32x32時，達到了最高的SSIM值。此外，我們將三種GAN所生成的合成圖像添加到原始圖像數據集，並且訓練偵測識別模型，再與僅使用原始圖像數據集進行訓練的偵測識別模型做比較。在將真實圖像與LSGAN生成的合成圖像混合後，識別性能得到了提高，YOLOv3的準確度達到84.9％，YOLOv4的準確度達到89.33％。

基於YOLO模型的寵物貓咪行為偵測系統

為了解決Bbox-label-tool的問題，作者洪修德 這樣論述：

近年來，越來越多家庭會飼養寵物，因為經濟不景氣，許多現代人不敢結婚生小孩，但是又希望家裡有人能陪伴，所以許多人會以飼養寵物來代替生小孩，如何照顧寵物在現今是非常重要的課題。在台灣，根據農委會統計，西元2017年台灣人飼養寵物高達250萬口，平均10個人會養1隻寵物，而預估2021年將有300萬個家庭至少擁有一隻寵物，所以這些動物也與我們生活上的科技息息相關。許多家庭因為長時間在外工作而把寵物單獨留在家裡，但是又很怕家裡的寵物太孤單或是太頑皮而亂咬家俱，所以會使用一些寵物電子產品來與寵物互動，例如：自動餵食機、互動攝影機、電子球和寵物監視器等等。 隨著時代的進步，科技日新月異，機

器學習與人工智慧越來越多應用於交通、物流和居家方面等，而在寵物方面，寵物監控近年來也相當熱門。市面上的寵物攝影機功能繁多，能夠與寵物遠端互動和自動餵食等，但是這些攝影機並不會第一時間通知飼主家中的寵物正在做什麼，若家中寵物誤食或是上廁所太久，飼主無法在第一時間知道，則可能會對寵物造成傷害。 所以本篇研究針對居家寵物即時監控的問題，藉由樹莓派當作監控系統，提出了一種基於YOLOv3-Tiny的識別系統，利用YOLOv3-Tiny方法具有快速檢測及較好的邊界框預測。對於房間內採集了1410張貓咪動作的樣本進行標記並訓練，為了測試YOLOv3-Tiny性能，我們也訓練了YOLOv3模型進行比較

，根據輸入圖像的類別，輸出六個寵物動作類別的結果。分別為睡覺、吃飯、坐下、行走、上廁所和翻垃圾桶，透過影像辨識建立串流到使用者手機和電腦，當貓咪上廁所過久或是亂翻垃圾桶時，會即時傳訊息到飼主的手機，達到即時預防的寵物遠端監控系統。