作品名称：基于深度学习的智能售货柜结算系统
参赛院校：北京工业大学
指导教师：王瑾
团队成员：陈柳乐、刘嘉莹、裴婕
数媒竞赛网（mit.caai.cn）2022年参赛作品
作品描述：

本作品为基于深度学习的智能售货柜结算系统，具体地说是基于目标检测和多目标跟踪的智能售货柜结算系统。算法能够实现对消费者购买的售货柜内的商品完成计数结算的功能。 创作过程如下：    目标检测模型：YOLOX    多目标跟踪模型：StrongSORT    数据：通过售货柜预设的摄像头采集购物图像，对数据进行标注并转换为COCO格式。    训练：使用RTX GeForce A5000(*2)型号的GPU对YOLOX进行训练。StrongSORT使用预训练权重。    算法构成：将YOLOX和StrongSORT进行对接，并使用多线检测策略完成商品的拿取、放回计数。    系统运行：通过工程控制机和路由器链接PC和智能售货柜，算法通过rstp获取售货柜的摄像头拍摄的视频，PC上的算法使用训练所得到的模型完成对视频的推理，并输出最终的结果。

作品名称：基于深度学习的智能售货柜结算系统
参赛院校：北京工业大学
指导教师：王瑾
团队成员：陈柳乐、刘嘉莹、裴婕
数媒竞赛网2022年参赛作品
作品描述：

本作品为基于深度学习的智能售货柜结算系统，具体地说是基于目标检测和多目标跟踪的智能售货柜结算系统。算法能够实现对消费者购买的售货柜内的商品完成计数结算的功能。 创作过程如下：    目标检测模型：YOLOX    多目标跟踪模型：StrongSORT    数据：通过售货柜预设的摄像头采集购物图像，对数据进行标注并转换为COCO格式。    训练：使用RTX GeForce A5000(*2)型号的GPU对YOLOX进行训练。StrongSORT使用预训练权重。    算法构成：将YOLOX和StrongSORT进行对接，并使用多线检测策略完成商品的拿取、放回计数。    系统运行：通过工程控制机和路由器链接PC和智能售货柜，算法通过rstp获取售货柜的摄像头拍摄的视频，PC上的算法使用训练所得到的模型完成对视频的推理，并输出最终的结果。

作品名称：基于深度学习的智能售货柜结算系统
参赛院校：北京工业大学
指导教师：王瑾
团队成员：陈柳乐、刘嘉莹、裴婕
数媒竞赛网2022年参赛作品
作品描述：

本作品为基于深度学习的智能售货柜结算系统，具体地说是基于目标检测和多目标跟踪的智能售货柜结算系统。算法能够实现对消费者购买的售货柜内的商品完成计数结算的功能。 创作过程如下：    目标检测模型：YOLOX    多目标跟踪模型：StrongSORT    数据：通过售货柜预设的摄像头采集购物图像，对数据进行标注并转换为COCO格式。    训练：使用RTX GeForce A5000(*2)型号的GPU对YOLOX进行训练。StrongSORT使用预训练权重。    算法构成：将YOLOX和StrongSORT进行对接，并使用多线检测策略完成商品的拿取、放回计数。    系统运行：通过工程控制机和路由器链接PC和智能售货柜，算法通过rstp获取售货柜的摄像头拍摄的视频，PC上的算法使用训练所得到的模型完成对视频的推理，并输出最终的结果。

作品名称：基于深度学习的智能售货柜结算系统
参赛院校：北京工业大学
指导教师：王瑾
团队成员：陈柳乐、刘嘉莹、裴婕
数媒竞赛网2022年参赛作品
作品描述：

本作品为基于深度学习的智能售货柜结算系统，具体地说是基于目标检测和多目标跟踪的智能售货柜结算系统。算法能够实现对消费者购买的售货柜内的商品完成计数结算的功能。 创作过程如下：    目标检测模型：YOLOX    多目标跟踪模型：StrongSORT    数据：通过售货柜预设的摄像头采集购物图像，对数据进行标注并转换为COCO格式。    训练：使用RTX GeForce A5000(*2)型号的GPU对YOLOX进行训练。StrongSORT使用预训练权重。    算法构成：将YOLOX和StrongSORT进行对接，并使用多线检测策略完成商品的拿取、放回计数。    系统运行：通过工程控制机和路由器链接PC和智能售货柜，算法通过rstp获取售货柜的摄像头拍摄的视频，PC上的算法使用训练所得到的模型完成对视频的推理，并输出最终的结果。

作品名称：基于深度学习的智能售货柜结算系统
参赛院校：北京工业大学
指导教师：王瑾
团队成员：陈柳乐、刘嘉莹、裴婕
数媒竞赛网2022年参赛作品
作品描述：

本作品为基于深度学习的智能售货柜结算系统，具体地说是基于目标检测和多目标跟踪的智能售货柜结算系统。算法能够实现对消费者购买的售货柜内的商品完成计数结算的功能。 创作过程如下：    目标检测模型：YOLOX    多目标跟踪模型：StrongSORT    数据：通过售货柜预设的摄像头采集购物图像，对数据进行标注并转换为COCO格式。    训练：使用RTX GeForce A5000(*2)型号的GPU对YOLOX进行训练。StrongSORT使用预训练权重。    算法构成：将YOLOX和StrongSORT进行对接，并使用多线检测策略完成商品的拿取、放回计数。    系统运行：通过工程控制机和路由器链接PC和智能售货柜，算法通过rstp获取售货柜的摄像头拍摄的视频，PC上的算法使用训练所得到的模型完成对视频的推理，并输出最终的结果。

作品名称：基于深度学习的智能售货柜结算系统
参赛院校：北京工业大学
指导教师：王瑾
团队成员：陈柳乐、刘嘉莹、裴婕
数媒竞赛网2022年参赛作品
作品描述：

本作品为基于深度学习的智能售货柜结算系统，具体地说是基于目标检测和多目标跟踪的智能售货柜结算系统。算法能够实现对消费者购买的售货柜内的商品完成计数结算的功能。 创作过程如下：    目标检测模型：YOLOX    多目标跟踪模型：StrongSORT    数据：通过售货柜预设的摄像头采集购物图像，对数据进行标注并转换为COCO格式。    训练：使用RTX GeForce A5000(*2)型号的GPU对YOLOX进行训练。StrongSORT使用预训练权重。    算法构成：将YOLOX和StrongSORT进行对接，并使用多线检测策略完成商品的拿取、放回计数。    系统运行：通过工程控制机和路由器链接PC和智能售货柜，算法通过rstp获取售货柜的摄像头拍摄的视频，PC上的算法使用训练所得到的模型完成对视频的推理，并输出最终的结果。