1、倾斜目标框
在构建led读数识别时,遇见如下图所示的倾斜的识别对象。
在标注水平侦测框的时候,是如下图所示标注的。在识别led读数中,会将侦测到的图像部分,resize至具有同样高度的尺寸上,虽然在宽度W维度上,不受限制,但其高度H的信息压缩过多,对数字序列的识别是不利的。
因此,给出这样的一个建议框才是合适的:
那这样一个目标狂应该如何表示呢?
2、c_x、c_y、w、h、theta
很自然的就会首先想到这样的方案,但是这样表示一个倾斜的目标框是有问题的。
首先是theta角度的周期性,会出现下图的情况,theta加上或者减去2kπ+π⁄2,可以避免角度出现在不应该出现的位置,但是w和h值会互相转换,而网络对应的输出是不应该转换的。对于这样的建议框,网络有多种回归方案,且数值之间的差异大,不利于模型训练。
3、四点坐标标记
网络首先预测的还是(c_x,c_y,w,h),然后在这样的基础上进行偏移,通过(c_x,c_y,w,h)的矩形框,可算得 ( v 1 ′ , v 2 ′ , v 3 ′ , v 4 ′ ) (v^{'}_{1},v^{'}_{2},v^{'}_{3},v^{'}_{4}) (v1′,v2′,v