![](https://img-blog.csdnimg.cn/6854097e49c74f3d933beb59c56fdc3f.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
计算机视觉
文章平均质量分 89
计算机视觉知识点
Hanson Huang
这个作者很懒,什么都没留下…
展开
-
matplotlib库中plt.cm.Set()用法
plt.cm.set用法原创 2023-10-07 10:42:58 · 423 阅读 · 0 评论 -
目标检测算法的评估指标:mAP定义及计算方式
是预测为正实际为正占预测为正的比例,Precision可以视作是模型找出来的数据的正确能力,Precision=1表示模型找一个对一个,Presicion=0.5表示模型找出2个,能对1个。是预测为正实际为正占总体正样本的比例,Recall可以视作是模型在数据集中,检测出目标类型数据的能力,即是否把想找出来的都找出来了,Recall=1表示已经把想找出来的数据全部找出来了。,有60个正样本,40个负样本,系统预测了50个正样本,其中40个是预测正确的正样本;由此可见,优化模式的检测能力,本质是。原创 2023-07-20 19:54:17 · 6563 阅读 · 4 评论 -
目标检测常见边框(bounding box)表示方式
x_center, y_center表示边框的中心位置, width, height分别表示边框的宽度和高度。x_min和y_min表示边框左上角坐标,x_max和y_max表示边框的右下脚坐标。边框坐标编码[x_center, y_center, width, height]边框坐标编码是[x_min, y_min, width, height]边框坐标编码是[x_min, y_min, x_max, y_max]表示左上角的坐标以及边框的宽度和高度。边框的宽度是322,高度是117。原创 2023-07-20 13:36:24 · 1344 阅读 · 0 评论 -
NMS及IOU原理讲解和代码解析
NMS(non maximum suppression),中文名,在很多计算机视觉任务中都有广泛应用,如:边缘检测、目标检测等。这里主要以人脸检测中的应用为例,来说明NMS。以下图为例,由于滑动窗口,同一个人可能有好几个框(每一个框都带有一个分类器得分)。: 抑制的过程是一个迭代-遍历-消除的过程。主要分为以下三步:(1)将所有框的得分排序,选中最高分及其对应的框:(2)遍历其余所有的框,如果和当前最高分框的重叠面积(IOU)大于一定阈值,我们就将框删除。原创 2023-07-20 14:41:49 · 405 阅读 · 0 评论