如何在Tensorflow对象检测API中为多个边界框预测计算IoU指标？
浏览 48提问于2019-09-03得票数 5
当我使用labelImg ()在对象周围绘制边界框以输出annotation.xml文件时，它会给出边界框的坐标。我使用这些注解来提供给tensorflow中的对象检测模型(ssd_mobilenet_v1_coco & faster_rcnn_resnet101_coco)。预测(xmin，ymin，xmax，ymax)的输出从0到1。
我的</
浏览 14提问于2018-08-30得票数 1
回答已采纳
我正在评估多个目标检测模型。我正在从预先训练的模型中获得一个检测列表，然后我必须将检测结果提供给另一个库，该库将计算mAP。我的问题是，我是否需要首先过滤出检测列表，然后将其提供给库以进行mAP计算？或者，有必要发送所有检测，而不对其进行过滤，以便mAP计算准确。
为了清楚地解释它，提供了以下示例。让我们在这里考虑一下mAP的PASCAL VOC实现。
浏览 2提问于2021-01-07得票数 0
1回答
如何利用tensorflow对象检测api在推理时绘制具有预测边界框的地面真实边界框？
如何计算精确度，召回率和mAP的目标检测使用固态硬盘模型与KITTI类数据集？
浏览 2提问于2018-10-20得票数 2
1回答
我正忙着测量一个物体探测器的预测结果。我从一些教程中了解到，在测试经过训练的对象检测器时，对于测试映像中的每个对象，提供了以下信息： <name>date</name> <xmax>695</xmax>
&l
浏览 1提问于2019-06-21得票数 0
回答已采纳
1回答
我有一个系统，它可以预测页面中框的位置。在下图中，绿色矩形是正确的位置(标签)，红色矩形是预测位置。很明显，当所有的红色矩形几乎都位于绿色矩形的相同位置时，系统的性能最佳。我的问题是，如何为这样的系统绘制FROC (自由响应ROC)曲线，以获得预测器的灵敏度。在这类问题中，真阳性、假阳性等是如何定义的。
浏览 0提问于2020-05-20得票数 2
2回答
我正在使用Detectron2进行对象检测。我已经注册了pascalvoc数据集，并训练了一个检测模型。如何计算测试数据集的平均IOU？我知道detection2有一个计算IOU的预定义函数，即detectron2.structures.pairwise_iou
我有一个csv文件中测试图像的基本真相包围框。如何解析IO
浏览 10提问于2020-10-16得票数 3
回答已采纳
1回答
我试图为我的对象检测模型计算一个混淆矩阵。然而，我似乎遇到了一些陷阱。我目前的方法是比较每一个预测盒和每个地面真相盒。如果它们有一个IoU >某个阈值，则将预测插入混淆矩阵。插入后，我删除预测列表中的元素，然后转到下一个元素。
因为我还希望将错误分类的建议插入混淆矩阵中，所以我将IoU低于阈值的元素视为与背景混淆的
浏览 0提问于2017-09-08得票数 11
回答已采纳
1回答
对于对象检测，我们经常使用基于精确/召回的度量。我的问题是，当存在多个相交框时，一般是如何匹配预测和地面真相绑定框的过程。
例如，考虑图像波纹管进行单级检测。红色代表两个地面真相盒，蓝色和绿色是预测。显然，对于两个框，蓝色预测的IoU都较高，但是当蓝色预测与左框匹配
浏览 0提问于2021-08-10得票数 1
回答已采纳
目前我正在测试yolo 9000模型用于目标检测，在论文中我了解到图像被分割成13X13个盒子，在每个盒子中我们计算P(对象)，但我们如何计算呢？模型怎么知道这个盒子里有没有对象，我需要帮助才能理解谢谢,
浏览 0提问于2017-04-11得票数 8
我在自定义数据集上使用num_steps:50000训练了tensorflow对象检测模型(用于SSD (mobilenet-v1) )。我得到mAP@.50IOU ~0.98和loss ~1.17。在所有这些卡片上，模型的表现都很好，因为我只在这3张卡上训练了模型(大约278张图像和829个边界框(25%的边界框用于测试，即验证)，使用手机收集)。然而，我还没有训练任何其他卡的模
浏览 2提问于2020-01-16得票数 2
回答已采纳
4回答
我对约洛的工作方式有点困惑。在文件中，他们说：但我们怎么会有地面真相箱呢？假设我使用我的Yolo网络(已经训练过)在一个没有标签的图像上。那么，我的信心是什么呢？
抱歉，如果问题很简单，但我真的不明白这部分.谢谢!
浏览 0提问于2018-05-03得票数 5
回答已采纳
1回答
我使用Tensorflow对象检测API训练了一个模型，使用Resnet架构的Faster-RCNN。我故意使用遗留的/eval.py脚本，因为它只为IOU=0.5计算AP/mAP (而不是mAP:0.5:0.95) dir-logtostderr --pipeline_config_path=training更新protos/eval.proto文件中的默认值，并重新编译proto文件
浏览 59提问于2020-12-20得票数 1
回答已采纳
我使用Tensorflow对象检测API从头开始训练Pascal VOC数据集。我只是看了一下200k训练步骤后的第一个结果，结果还可以，尽管我经常在重叠的区域中检测到许多相同的类。例如，考虑以下检测(忽略第一张图像中错误的人检测)：
有没有一种通用的方法来避免同一对象的这种多个检测？我猜这是由重叠
浏览 6提问于2017-08-15得票数 3
回答已采纳
3回答
目前，我正在努力创建一个用于对象检测的深度神经网络，我还在创建自己的数据集，我使用边界框来注释我的图像，我的问题是，什么规则才能为我的图像训练提供最佳的边界框。我的意思是，如果我包装我的对象，是否可以限制我的对象的背景，或者我是否需要找到一种只绑定我的<em
浏览 2提问于2017-04-11得票数 1
2回答
我目前正在使用tensorflow对象检测API，但是当在图像上创建边界框时，API倾向于在单个项上创建多个边界框。不管怎么说，我可以这样做，即在单个项目上只创建一个唯一的边界框。当前用于对象检测的模型是在开放图像数据集(来自g3doc模型动物园)上训练的更
浏览 3提问于2019-07-17得票数 2
回答已采纳
1回答
我理解在YOLO中，我们对每个单元格(7x7)进行图像分割，并预测一个固定数目的包围盒(在本文中默认为2，坐标为x，y，w，h)，一个置信度评分，并预测每个单元格的类别得分。在测试阶段，我们可以使用NMS算法来去除一个对象的多个检测。
( 1)我们什么时候把图像划分成一个网格？在训练时，我们只需要一个边框预测器负责每个对象。我们指定一个<e
浏览 0提问于2018-04-07得票数 9
回答已采纳
云服务器
ICP备案
腾讯会议
云直播
对象存储
腾讯云开发者
