COCO_val2017_detections_AP_H_56_person.json 是什么文件？

于 2024-06-27 18:23:14 发布
阅读量382 收藏 3
点赞数 21
文章标签： 深度学习 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34425255/article/details/140021020
版权

COCO_val2017_detections_AP_H_56_person.json 包含了在 COCO 验证集上检测到的人体边界框，是使用 FasterRCNN 生成的。 您可以使用真实标记的边界框来评测模型，设置 use_gt_bbox=True 和 bbox_file='' 即可。 或者您可以使用检测到的边界框来评测模型的泛化性，只要设置 use_gt_bbox=False 和 bbox_file='COCO_val2017_detections_AP_H_56_person.json' 即可。

Confusions about COCO_val2017_detections_AP_H_56_person.json · Issue #301 · open-mmlab/mmpose · GitHub

训练与测试 — MMPose 1.3.1 文档

常见问题 — MMPose 0.29.0 文档

鱼儿会飞吗
关注
  • 21
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
coco关键点标注json_coco标注信息与labelme标注信息的详解、相互转换及可视化
weixin_33400830的博客
12-31 950
引言在做实例分割或语义分割的时候，我们通常要用labelme进行标注，labelme标注的json文件与coco数据集已经标注好的json文件的格式和内容有差异。如果要用coco数据集的信息，就要对json文件进行修改和转换。本博客提供两种格式的具体内容及含义以及两种格式相互转换的代码，并对两种格式的json标注信息进行可视化。1.coco格式的json标注信息详解及可视化从coco官网下载coc...
test_city_json.rar
01-12
标题 "test_city_json.rar" 暗示我们处理的是一个包含JSON数据的压缩文件，专门与城市信息相关。描述中的信息简洁，没有提供额外的细节，但我们可以通过标签 "city" 推测，这个压缩包可能包含了有关城市的JSON数据集...
COCO_val2017_detections_AP_H_56_person.json
qq_42548340的博客
04-28 1769
文件夹中包含了：COCO_test-dev2017_detections_AP_H_609_person。链接：https://pan.baidu.com/s/1RNKVmZaRD-mIUYrJZ94p7Q。人体姿态估计top down方法中，验证集的先验框。
COCO_val2017_detections_AP_H_56_person.zip
11-17
人体姿态检测json
COCO_test-dev2017_detections_AP_H_609_person.json
12-30
包括2个json文件: COCO_test-dev2017_detections_AP_H_609_person.json COCO_val2017_detections_AP_H_56_person.json
CocoGUI_Json解析库
07-10
CocoGUI，界面解析工具。希望可以帮到大家。
mmpose学习
weixin_45537132的博客
02-18 983
mmpose学习记录
Yolov7-pose 训练body+foot关键点
qq_38284951的博客
08-26 6672
yolo-pose
orgmap_val.json
11-20
组织架构模拟数据，目前没什么用，用于项目汇中组织架构图模拟数据的使用用于项目汇中
person_pose_json.zip
12-26
内有 COCO_test-dev2017_detections_AP_H_609_person.json COCO_val2017_detections_AP_H_56_person.json两个文件
person_detection_results.zip
04-03
用在HRNet和Simple Baseline的coco里面的person_detectio-result文件里面的内容
person_app.zip
07-10
项目实践项目实践<br>项目实践
QScrollArea_Test.zip
02-22
QScrollArea_Test.zip
微软MSCOCO验证数据集 val2017 百度云分享
11-19
微软MSCOCO验证数据集 val2017 百度云分享。里面大概包括5k图片数据
ap_training
09-06
Oracle finance ：详细介绍Oracle 应付帐款方面的知识
mmpose系列 (一)：hrnet 基于mmpose 训练body+foot 23点关键点
qq_38284951的博客
08-15 5657
hrnet body+foot 23点 模型
deep-hight-relolution-net.pytorch训练自己的关键点检测数据步骤
u011886519的博客
11-18 3021
数据集准备 标注转为coco格式 部署源码（https://github.com/HuangJunJie2017/UDP-Pose/tree/master/deep-high-resolution-net.pytorchttps://github.com/HuangJunJie2017/UDP-Pose/tree/master/deep-high-resolution-net.pytorch 修改代码适配自己的数据集 修改yaml文件 开始训练 1、labelme进行数据标注 2、.
coco/annotations/panoptic_val2017.json
最新发布
09-12
coco/annotations/panoptic_val2017.json是一个用于COCO数据集中验证集的分割注释文件。COCO（Common Objects in Context）数据集是一个广泛使用的图像识别和分割任务的数据集。该数据集包含了各种日常场景中的图像，每个图像都有详细的注释。 在这个panoptic_val2017.json文件中，包含了验证集中每个图像的分割注释信息。分割注释是指将图像中的不同物体、场景或者人群进行像素级别的标记和分割。这些注释可以用于训练和评估分割模型的性能。 注释文件的结构如下： 1. "images"：一个包含所有图像信息的列表。每个图像都有一个唯一的标识符（ID），以及图像的文件名、宽度、高度等信息。 2. "annotations"：一个包含所有分割注释信息的列表。每个注释都有一个唯一的标识符（ID），以及注释所属的图像ID、分割类别ID、分割掩码等信息。掩码是一个与图像大小相同的二进制矩阵，其中每个像素用于标记不同的目标。 3. "categories"：一个包含所有类别信息的列表。每个类别都有一个唯一的标识符（ID），以及类别的名称、超类别等信息。 通过解析和使用这个注释文件，可以进行各种图像分割任务的训练和评估。例如，可以使用这些注释来训练一个深度学习模型，使其能够从新图像中准确地分割出不同的物体，并识别它们的类别。同时，还可以使用这些注释来评估已经训练好的模型在验证集上的性能。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值