文献类型：期刊文章

作　　者：王景鑫[1,2] 潘欣[1,2]

机构地区：[1]吉林化工学院信息与控制工程学院,吉林吉林132000 [2]长春工程学院计算机技术与工程学院,长春130012

出　　处：《科技创新与应用》

基　　金：吉林省人社厅项目(2023QN32)。

年　　份：2023

卷　　号：13

期　　号：29

起止页码：145-148

语　　种：中文

收录情况：JST、NSSD、普通刊

摘　　要：随着目标识别技术的发展,YOLO神经网络被应用在各个领域中,但是YOLO自带的预训练模型只能广泛地识别目标,具有普遍性,缺少特殊性。因此,需要自行制作具有针对性的样本训练集。对于YOLO的样本训练集,在样本图像数量上包含了几千甚至数万张图片,其中包含的对象类别也数以百计。在公开的数据集中难以找到符合该文要求的数据集,这就需要人工制作样本数据集。在传统的人工标注方法中,常使用的标记工具有labelimg、labelme等标注工具,但是传统的标注方法中存在着对象标记工作量大、标注效果精度低等缺点,该文引入SAM模型辅助标注方法,这种标注方法在能够高速完成大量标注工作的同时,标注的效果精度也十分理想。

关 键 词：目标识别 YOLO  模型训练  SAM 辅助标注方法  

分 类 号：TP391]