nndetection踩坑记录

本来跑一次nndet就比较久,跑了俩个星期发现跑错了,主要原因数据标签弄错了。我的检测任务是类似肺结节的任务,每个case中有多个检测实例instance,在做标签json文件的时候我做的是
在这里插入图片描述
这个json文件中1代表实例,0代表实例1所属类为0,因为我是单类目标检测,但是有多个instance,我以为1就是代表像素值,所以做成这样,最后检测过程生成标签boxs时只有一个大框,最终检测效果很差。
后来将json文件改正如下;
在这里插入图片描述
1到11代表有11个instance实例,0没有写出来代表背景,0代表当前实例属于第几个类,即使有背景,类也是从0开始的。

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
nndetection是基于神经网络的检测方法,用于在图像或视频中检测出特定的目标物体。该方法首先使用深度学习算法训练一个神经网络模型,使其能够识别出目标物体的特征。训练过程中,模型会通过大量的样本图像学习不同目标物体的外观特征,并学会如何通过这些特征来判断是否存在目标物体。 在测试阶段,nndetection将目标物体检测问题转化为一个二分类问题。模型会对输入的图像或视频进行推理,判断其中是否存在目标物体,并给出目标物体的位置和边界框。通过使用神经网络进行目标检测,可以比较准确地识别出目标物体,且对于不同尺寸、旋转角度、遮挡等情况也能具有一定的鲁棒性。 与传统的目标检测算法相比,nndetection具有以下优势。首先,神经网络能够通过大规模数据的训练和反向传播算法的优化,学习到更复杂的特征表示,从而提高识别能力。其次,nndetection在处理图片中的目标物体时,能够更快速地进行检测,提高了速度和效率。此外,通过引入卷积层、池化层等结构,nndetection还能够自动学习出图像中的空间信息,更好地适应目标物体在图像中的位置和大小变化。 总而言之,nndetection是一种基于神经网络的目标物体检测方法,通过训练神经网络模型来自动识别图像中的目标物体。该方法在精度、速度和鲁棒性等方面都有较好的表现,对于许多计算机视觉任务具有广泛的应用前景。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值