m0_70098011的博客

图3 左边是输入图片，上半部分所示的过程是使用卷积神经网络对图片提取特征，随着网络不断向前传播，特征图的尺寸越来越小，每个像素点会代表更加抽象的特征模式，直到输出特征图，其尺寸减小为原图的1/32。resume_checkpoint：断点继续训练，如果之前已经训练过模型，并且保存了断点文件，可以指定断点文件的路径，以在之前训练的基础上继续训练。Sim: 在Loc的基础上，如果检测框与真值框的类别不相同，但两者同属于一个亚类，则不认为该检测框是错误的，在这种评估要求下的PR曲线, AP为。

Sim: 在Loc的基础上，如果检测框与真值框的类别不相同，但两者同属于一个亚类，则不认为该检测框是错误的，在这种评估要求下的PR曲线, AP为0.961。Oth: 在Sim的基础上，如果检测框与真值框的亚类不相同，则不认为该检测框是错误的，在这种评估要求下的PR曲线，AP为0.961。图3 左边是输入图片，上半部分所示的过程是使用卷积神经网络对图片提取特征，随着网络不断向前传播，特征图的尺寸越来越小，每个像素点会代表更加抽象的特征模式，直到输出特征图，其尺寸减小为原图的1/32。

采用segment下的train.py进行训练，因为之外的train.py只能训练分类检测模型，对于用于分割的数据集无法识别，用于分割的数据集往往是一个物体多个点位，而用于分类检测的数据集只有一个矩形框的数据。

例如：yolov5训练模型时detect.py报错。

例如：改变检测框为椭圆框绘制椭圆框的时候也曾遇到错误，学习如何使用fitEllipse的函数，还需大致懂得它的原理，不然遇到噪点不足六个点不可绘制就会报错。

通过修改yolo中的代码输出检测框的中心位置和实现中心点标注

将其添加default='True'

如果为image则保存图片，否则输出视频。故而将‘image’改为jpg，得到解决。通过查看输出代码发现。

创建一个名为rice的目录，在此下创建arborio,basmati等五类米的子目录，并且分别在每个子目录下创建jpg目录和txt目录，jpg目录用以存放cv绘制最小矩形框后的图片，txt目录用以存放以jpg文件数据生成的可以用于yolo模型训练的文本文件。内每个元素保存了一组由连续的Point点构成的点的集合的向量，每一组Point点集就是一个轮廓。向量hiararchy内的元素和轮廓向量contours内的元素是一一对应的，向量的容量相同。i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。