![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
CV小白进阶路
勤学如春起之苗,不见其增,日有所长。
展开
-
yolo目标检测格式转成pascal_voc
import osimport globfrom PIL import Imagevoc_annotations = './yolo2coco/annotations/'yolo_txt = './label/'img_path = './images/'labels = ['defect'] # label for datasets# 图像存储位置src_img_dir = img_path # 添加你的路径# 图像的txt文件存放位置src_txt_dir = yolo_t原创 2021-07-04 22:04:36 · 195 阅读 · 0 评论 -
推测结果转coco格式的json计算map
coco格式的json测试文件推测输出数据的格式:./half1/COCO_val2014_000000164115.jpg 500 500 8 105.46875 189.90384615384613 327.52403846153845 416.46634615384613import reimport json#coco x1,y1,w,hlabels = ["person", "bicycle", "car", "motorbike", "aeroplane",原创 2021-01-25 14:08:47 · 602 阅读 · 1 评论 -
【学习笔记】目标检测算法(两阶段)
两阶段目标检测算法:R-CNN:1.对图像进行Selective Search生成1K~2K个候选区域2.将每个候选区域输入网络提取特征3.将特征送入每一类的SVM分类器中,判读是否属于该类4.使用回归器精细修正候选框的位置具体的一些细节:1.利用Selective Search 算法通过图像分割的方法得到一些原始区域。然后使用一些合并策略将这些区域合并,得到一个层次的区域结构,这些结构就包含可能需要的物体。2.对每个候选区域使用深度网络提取特征将2000个候选区域缩放发哦227227,接原创 2020-11-20 09:31:58 · 8065 阅读 · 1 评论