标签: object-detection

我正在使用 Blender 渲染模型。模型由位置发生变化的相机捕获。然后我将图像写入文件。如何在图像中找到边界框，以便此框可用于在训练对象检测模型中有用的注释？

我正在为电源插座创建分类器（特别是在标准插座面板上出现两次的三个开孔，而不是整个面板本身）。

我的问题是，正图像的理想特征是什么，我应该将什么宽度和高度传递给 train_cascade 以使我的对象检测器能够检测到尽可能小的出口？即从尽可能远的距离检测它们？我也关心准确性，并且对需要数周时间训练的分类器很好（假设它实际上正在取得进展）。

还有一个问题来增加我对此的理解：我传递给train_cascade搜索框的尺寸的宽度和高度是否会传递到每个图像上？如果是这样，我希望我的探测器检测到非常小的物体，而不是我应该通过一个小的宽度和高度，对吗？

我希望能够检测非常大和非常小的插座实例。从非常近的地方（相机实际上距离插座 3 英寸）到至少几英尺远。

我想使用orb探测器在找到的图像周围绘制一个边界框,类似于这里使用筛选探测器的示例:SIFT Refrence

Linked示例使用FlannBasedMatcher.我的代码使用BFMatcher.我在使用的Matcher中没有偏好.

        MIN_MATCH_COUNT = 10

        img1 = cv2.imread('box.png',0)
        img2 = cv2.imread('box_in_scene.png',0)

        orb = cv2.ORB_create()

        kp1, des1 = orb.detectAndCompute(img1,None)
        kp2, des2 = orb.detectAndCompute(img2,None)

        bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
        matches = bf.match(des1,des2)

我将如何继续使用单应性来绘制box_in_scene图像？

编辑:我尝试了以下,但输出不是预期的.

src_pts = np.float32([ kp1[m.queryIdx].pt for m in matches[:50] ]).reshape(-1,1,2)
dst_pts = np.float32([ kp2[m.trainIdx].pt for m in matches[:50] ]).reshape(-1,1,2)
M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC,5.0)
matchesMask = mask.ravel().tolist()
h,w = img1.shape
pts = np.float32([ [0,0],[0,h-1],[w-1,h-1],[w-1,0] ]).reshape(-1,1,2)
dst = cv2.perspectiveTransform(pts,M)

我正在使用此[.config文件] [1]训练CNN：

rms_prop_optimizer: {
    learning_rate: {
      exponential_decay_learning_rate {
        initial_learning_rate: 0.004
        decay_steps: 800720
        decay_factor: 0.95
      }
    }
   momentum_optimizer_value: 0.9
   decay: 0.9
   epsilon: 1.0
}   

Run Code Online (Sandbox Code Playgroud)

}
正如你可以看到有一个rms_prop的优化。如果我想使用亚当怎么办？我应该如何编辑该文件？

对于通过使用model_main.py的Tensorflow API目标检测，当我使用即random_horizontal_flip在data_augmentation_options在train_config我的pipeline.config的，是我的边框也受到了影响？这非常重要，否则这些选项将不适用。这是同一个问题，但没有正确回答。

我真的对 yolov3 的架构感到困惑。我已经阅读了有关它的文档和论文。有人说它有 103 个卷积层，其他人说它有 53 个层。但是当你计算 cfg 文件中的卷积层时（下载后）它大约是 75！...这里遗漏了什么？我该怎么做才能找到它？这个问题对我们很重要，因为我们需要在论文中引用这个架构，我们需要知道确切的大小层数...帮帮我伙计们

我找不到任何关于 YOLOv3 SPPmAP比 YOLOv3更好的解释。作者本人在他的 repo 中将 YOLOv3 SPP 声明为：

带有空间金字塔池化的 YOLOv3 或其他东西

但我还是不太明白。在yolov3-spp.cfg我注意到有一些补充

575 ### SPP ###
576 [maxpool]
577 stride=1
578 size=5
579 
580 [route]
581 layers=-2
582 
583 [maxpool]
584 stride=1
585 size=9
586 
587 [route]
588 layers=-4
589 
590 [maxpool]
591 stride=1
592 size=13
593 
594 [route]
595 layers=-1,-3,-5,-6
596 
597 ### End SPP ###
598 
599 [convolutional]
600 batch_normalize=1
601 filters=512
602 size=1
603 stride=1
604 pad=1
605 activation=leaky

任何人都可以进一步解释 YOLOv3 SPP …

我有一个关于Tensorflows Object Detection API 的问题。我用我自己的交通标志分类数据集训练了 Faster R-CNN Inception v2 模型，我想将它部署到 Android，但适用于 Android和/或Tensorflow Lite 的Tensorflows Object Detection API似乎只支持 SSD 模型。

有没有办法将 Faster R-CNN 模型部署到 Android？我的意思是如何将 Faster R-CNN 的冻结推理图放到 android API 而不是 SSD 冻结推理图？

我想在我自己的数据集上训练小 yolo。我想预测 3 个类别：汽车、行人和骑自行车的人；所有这些都已被注释。

我的数据集还包括不包含这些类的图像（因此没有注释）。我应该在培训中包含这些图像吗？为什么或者为什么不？

谢谢！

我已经使用 haar 级联对象检测在汽车的侧视图上训练了正面和负面图像，现在当我使用级联 xml 文件来预测图像中的汽车时，我得到了多个矩形。

现在
1）为什么我的对象周围有多个矩形。
2）如何只显示图像中检测到的最大矩形

输出图像

这是我在每个图像上得到的输出类型

代码

car_cascade = cv2.CascadeClassifier('data/cascade.xml')
img = cv2.imread('test/46.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cars = car_cascade.detectMultiScale(gray, 1.3, 5)
for (x,y,w,h) in cars:
    img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)    

cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()