目标检测和识别
文章平均质量分 58
WX Chen
实用技术总结,前沿科技分享,欢迎交流技术和业务
展开
-
图像分割mask转换为目标检测框bbox
stats:每一个标记的统计信息,是一个5列的矩阵,每一行对应每个连通区域的外接矩形的x、y、width、height和面积,示例如下: 0 0 720 720 291805。labels :对原始图中的每一个像素都打上标签,背景为0,连通域打上1,2,3。的标签,同一个连通域的像素打上同样的标签。image:也就是输入图像,必须是二值图,即8位单通道图像。labels:图像上每一像素的标记,用数字1、2、3…ltype:输出图像标记的类型,目前支持CV_32S 和 CV_16U。原创 2022-10-12 18:02:17 · 1123 阅读 · 0 评论 -
将图像分割mask转换为目标检测框bbox
cv2.threshold()cv2.connectedComponentsWithStats()https://zhuanlan.zhihu.com/p/59486758num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(image, connectivity=8, ltype=None)参数介绍如下:image:也就是输入图像,必须是二值图,即8位单通道图像。(因此输入图像必须先进行二值化处理才能.原创 2022-04-16 14:36:05 · 1145 阅读 · 0 评论 -
目标检测算法
YOLORoss Girshick —— Facebook AI Research (RBG大神)论文阅读:You Only Look Once: Unified, Real-Time Object Detectionhttps://blog.csdn.net/u010167269/article/details/52638771制约RCNN框架内的方法精度提升的瓶颈是将dectection问题转化成了对图片局部区域的分类问题后,不能充分利用图片局部object在整个图片中的context(上下原创 2021-12-14 09:31:34 · 1331 阅读 · 0 评论 -
RCNN、fast-RCNN、faster-RCNN
rbg主页有代码http://www.rossgirshick.info/Fast RCNN(2015年)基础:RCNN简单来说,RCNN使用以下四步实现目标检测: a. 在图像中确定约1000-2000个候选框 b. 对于每个候选框内图像块,使用深度网络提取特征 c. 对候选框中提取出的特征,使用分类器判别是否属于一个特定类 d. 对于属于某一特征的候选框,用回归器进一步调整其...原创 2018-10-10 10:56:33 · 189 阅读 · 0 评论 -
YOLO
onfidence scores反映了模型对于这个栅格的预测:该栅格是否含有物体,以及这个box的坐标预测的有多准。 公式定义如下: 如果这个栅格中不存在一个 object,则confidence score应该为0;否则的话,confidence score则为 predicted bounding box与 ground truth box之间的 IOU每一个栅格还要预测C个 con...原创 2018-10-10 10:57:23 · 157 阅读 · 0 评论 -
SSD mask-RCNN
SSD(Single Shot MultiBox Detector)(1)two-stage方法,如R-CNN系算法,其主要思路是先通过启发式方法(selective search)或者CNN网络(RPN)产生一系列稀疏的候选框,然后对这些候选框进行分类与回归,two-stage方法的优势是准确度高;(2)one-stage方法,如Yolo和SSD,其主要思路是均匀地在图片的不同位置进行密集抽...原创 2018-10-10 10:58:48 · 1199 阅读 · 0 评论 -
于仕琪老师的人脸检测库
参考资料:于老师 于仕琪https://zhuanlan.zhihu.com/p/59270108libfacedetection 教程https://www.cnblogs.com/cheungxiongwei/articles/7920142.html于老师论坛http://www.opencv.org.cn/forum.php?mod=viewthread&tid=...原创 2019-08-05 10:03:28 · 1145 阅读 · 0 评论