目标检测
Vincent__Lai
这个作者很懒,什么都没留下…
展开
-
【Python】opencv中的颜色问题
在cv2中,color的通道顺序不是RGB,而是BGR,所以在画图过程中(例如下面的代码):(255, 0, 0)实际上是蓝色而不是红色,红色应为(0, 0, 255)# bb的格式为:[xmin, ymin, xmax, ymax]cv2.rectangle(img, (int(bb[0]), int(bb[1])), (int(bb[2]), int(bb[3])), color, 2)附上三原色原原创 2021-01-05 11:24:59 · 940 阅读 · 0 评论 -
【Python】opencv2画行人检测框常用代码
import cv2import numpy as npdef cv_imread(filePath): cv_img = cv2.imdecode(np.fromfile(filePath,dtype=np.uint8), -1) return cv_img# 需要可视化的图片地址img_path = ‘’# 对应图片的检测结果detection_result = []# 如果路径中包含中文,则需要用函数cv_imread的方式来读取,否则会报错img = cv_im原创 2020-11-17 11:05:39 · 733 阅读 · 0 评论 -
【行人检测】miss rate versus false positives per image (FPPI) 前世今生(实战篇-下)
之前我们介绍了:理论部分(【目标检测】miss rate versus false positives per image (FPPI) 前世今生(理论篇))源码解读部分(【目标检测】miss rate versus false positives per image (FPPI) 前世今生(实战篇-上))今天我们来用自己的数据,绘制一下FPPI图(第一到六都在前面文章中,所以这篇文章直接从七开始)七、用自己的数据绘制FPPI【待写】...原创 2020-11-14 20:53:52 · 970 阅读 · 5 评论 -
【行人检测】miss rate versus false positives per image (FPPI) 前世今生(实战篇-上)
上文我们说到【目标检测】miss rate versus false positives per image (FPPI) 前世今生(理论篇),今天我们来实际绘制一下FPPI图四、miss rate versus false positives per image (FPPI) 官方绘制方法接下来我们用作者提供的数据,跑通作者绘图的代码1. 安装第三方工具包按照这篇文章Caltech评估方法的0 安装步骤安装2. 下载annotations和resannotations是数据集的ground原创 2020-11-13 23:06:30 · 1660 阅读 · 9 评论 -
【行人检测】miss rate versus false positives per image (FPPI) 前世今生(理论篇)
一、前言最近在做行人检测相关的东西,用到一个指标叫做miss rate versus false positives per-image (FPPI),但是搜了一圈网上发现相关的资料很少,所以自己再梳理一下这个指标相关的知识,也方便后续的人使用这个,如果有不对的地方欢迎指正。二、miss rate versus false positives per window (FPPW)在介绍miss rate versus false positives per-image(后文简称FPPI)之前,就不得不原创 2020-11-13 18:16:52 · 5647 阅读 · 7 评论 -
【目标检测】soft-nms的一个大坑+python变量的赋值+函数传引用机制
soft-nms代码如下:def soft_nms(np.ndarray[float, ndim=2] boxes, float sigma=0.5, float Nt=0.3, float threshold=0.001, unsigned int method=0): cdef unsigned int N = boxes.shape[0] cdef float iw, ih, box_area cdef float ua cdef int pos = 0 cd原创 2020-05-17 21:56:25 · 321 阅读 · 0 评论 -
【目标检测】miss rates和FPPI曲线记录
最早提出FPPI概念的论文:Pedestrian Detection: A Benchmark其实miss rates和FPPI是共同画出来的,图的名字叫做:Miss rates versus false positive per-image curves过去方法的缺陷大多数作者比较每个窗口的性能(即False Positive Per−Window,FPPW)。然而,在实践中,每个窗口的...原创 2020-04-19 12:00:11 · 2437 阅读 · 0 评论 -
【目标检测】绘制FPPI、miss rate数据及代码例子
行人检测一般用FPPI而不是mAP作为评估指标,但是网上找了好久都没找到Python版本的代码,原来FPPI官方的代码是matlab的,这里记录一下用官方的代码来绘制FPPI曲线有哪些需要注意的非常感谢这篇文章:Caltech评估方法评估的方法按照上面那篇文章可以跑通代码,需要注意的是:要下载annotations文件,并解压到../code3.2.1/data-USA中在此处下载别人预...原创 2020-04-12 21:57:52 · 4086 阅读 · 7 评论 -
【目标检测】coco工具包验证时错误Results do not correspond to current coco set
用CenterNet在自己的制作的数据集上测试mAP,结果报错:Results do not correspond to current coco set搜了一圈都没有搜到,然后看coco,py代码:assert set(annsImgIds) == (set(annsImgIds) & set(self.getImgIds())), \ 'Results...原创 2020-03-15 23:49:56 · 11024 阅读 · 13 评论 -
【目标检测】Win10+TITAN RTX+CUDA10.0+pytorch1.1搭建CenterNet环境
CenterNet有两个,本文的CenterNet对应的论文是:Objects as Points对应Github地址:xingyizhou/CenterNetUbuntu16.04安装步骤点击这里点击这里下面这两篇博客也对我帮助很大:在SeaShips数据集上训练CenterNet网络(绝对详细)CenterNet训练自己的数据(pytorch0.4.1)环境安装https://g...原创 2019-10-22 15:03:19 · 1857 阅读 · 3 评论 -
【目标检测】Ubuntu16.04+RTX2070+CUDA10.0+pytorch1.1搭建CenterNet环境
环境安装https://github.com/xingyizhou/CenterNet/issues/404原创 2019-10-22 12:04:14 · 4715 阅读 · 14 评论 -
【目标检测】非极大值抑制理解
参考:https://www.cnblogs.com/makefile/p/nms.html非极大值抑制作用:在目标检测中,滑动窗口经提取特征,经分类器分类识别后,每个窗口都会得到一个分数,但是滑动窗口会导致很多窗口与其他窗口存在包含或者大部分交叉的情况。这时就需要用到非极大值抑制来选取那些邻域里分数最高,并且抑制那些分数低的窗口。例如3个框都检测到同一个人,只取置信度最高的那个检测框,将...原创 2019-08-08 15:35:04 · 654 阅读 · 1 评论