![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
zbossz
现在我的栏目很适合对应找知识点进行学习
展开
-
【NMS】non max suppression非最大抑制及其实现
黑色的是被检测的人,蓝色是检测框,蓝色数字是每个框的概率分数。 当我们检测一个物体的时候。 会有多个检测框,此时,我们需要用NMS 来删除多余的框。 我们首先选出得分最高的框–在这里就是得分0.8的框。 此时我们需要判断得分最高的框和另一个框的iou值, 假设我们设定iou的标准阈值是0.5, 如果2个框的iou算出来大于我们设定iou的标准阈值是0.5,那么我们就删掉另一个框,保留得分最高的框。 如果小于,就不删。 注意,这个操作必须是针对同一个物体的。如果是这样的情况: 下面我们来实现NMS: im原创 2022-03-20 15:51:55 · 422 阅读 · 0 评论 -
【mAP】mean average precision 平均精度及其实现
用于评估对象检测模型。 首先我们来了解一些前述知识: FN(false negatives)假阴性 首先我们的预测是错误的,结果是负面的。 就比如我们新冠检测是错的,但是我们感染了新冠,也就是说检测出来我们没感染,实际上感染了。 FP(false positives)假阳性 首先我们的预测是错误的,结果是积极的。 就比如我们新冠检测是错的,但是我们没感染新冠,也就是说检测出来我们感染了,实际上没感染。 TN(true negatives)真阴性 首先我们的预测是正确的,结果是阴性。 新冠检测是正确的,我们确原创 2022-03-20 13:14:06 · 4917 阅读 · 0 评论 -
【IOU】intersection over union联合交叉
iou的计算方式是: 代码实现: import torch def intersection_over_union(boxes_preds, boxes_labels, box_format="midpoint"): global box2_x1, box2_y2, box1_y2, box2_x2, box1_x2, box2_y1, box1_y1, box1_x1 if box_format == "midpoint": box1_x1 = boxes_preds[.原创 2022-02-18 18:43:56 · 827 阅读 · 1 评论