标签: object-detection

我是 Yolo 对象检测的新手，我对标签（对于自定义对象）有疑问：是否有关于如何标记图像以最终获得高精度的指南或提示？有什么需要我照顾的吗？

例如，如果我有一个对象彼此相邻两次，如下图所示： 在此处输入图像描述

https://www.manchestereveningnews.co.uk/news/greater-manchester-news/greater-manchester-28-new-buses-17777605.amp

你会如何标记这辆黑色巴士？只是黑色部分，还是您会假设整个总线，从而创建一个也包含蓝色总线的盒子？

这是来自图像的注释文件：

0 0.6142131979695431 0.336 0.467005076142132 0.392

第一个0是类标签。0.6142131979695431和0.336是边界框的 x 和 y 坐标。0.467005076142132和0.392是边界框的宽度和高度。但是，我不明白的是为什么 x、y、宽度和高度都在 [0,1] 浮点区间内。有人告诉我这是一个百分比，但是相对于什么的百分比呢？

例如，我正在编写构建合成数据集的软件。这是我制作的一张训练图像。它在我想要检测的对象周围有边界框。

边框完美地包裹了 Wizards 和 Ubuntu 徽标。那么，我该如何像上面的格式一样注释它们呢？

我正在阅读yolov4论文，其中作者提到了 Backbone（CSP DARKNET-53）、Neck（SPP 后跟 PANet）和 Head（YOLOv3）。因此，架构是这样的：

CSP Darknet-53-->SPP-->PANet-->YOLOv3（106层YOLOv3）。

这是否意味着 YOLOv4 包含了整个 YOLOv3？

我正在寻找能识别IE9的物体检测能力检查.你能帮助我吗？

我有一些像这样的示例图像:

现在,当用户将图像上传到我的网站时,我需要检查它是否包含上面的图像或它的非常相似的变体.

我曾尝试训练一个opencv haar分类器,但结果似乎并不乐观.不确定我是否错误地生成了分类器.

我使用以下命令生成haar分类器

opencv_createsamples -img logo.jpg -num 500 -bg negatives.dat -vec samples.vec -maxxangle 0.6 -maxyangle 0 -maxzangle 0.3 -maxidev 100 -bgcolor 0 -bgthresh 0 -w 209 -h 49

opencv_haartraining -data haarcascade -vec samples.vec -bg negatives.dat -nstages 10 -nsplits 2 -minhitrate 0.999 -maxfalsealarm 0.5 -npos 7000 -nneg 3019 -w 83 -h 35 -nonsym -mem 1024 -mode ALL

我正在使用大约500张负面图像.

使用haar分类器对我的用例来说是否有些过分？

我也试过cvMatchTemplate在opencv中使用这个方法,结果令人失望.虽然识别出正像,但假阳性异常高.

我应该尝试正确训练分类器吗？运行haar教练也需要很长时间.

这是我正在采取的正确方向吗？

我正在使用opencv进行对象检测.我想用鼠标点击对象后围绕对象绘制一个矩形.我可以使用什么样的技术？我试过SURF但是徒劳无功.

任何帮助将不胜感激.

目前,我正在阅读Yolo9000模型" https://arxiv.org/pdf/1612.08242.pdf ",我对模型如何预测对象检测的边界框非常困惑,我用Tensorflow做了很多例子,并在其中大多数我们给模型"图像和图像标签".

我的问题是:1-我们如何将边界框而不是标签传递给模型？2-模型如何知道许多盒子属于一个图像？

我们已经训练了我们的模型，并使用提供的Python脚本成功地测试了它们。但是，我们现在希望将其部署在我们的网站上并运行网络服务以进行第二轮测试。

是否有一个C ++包装器，以便我们可以像使用Python脚本一样使用它来运行/执行模型？

我在Google Colaboratory中成功执行了Tensorflow中的培训模型和图像识别笔记本.现在我想用Object Detection Api开始一个新的笔记本.当我执行我的代码时,我得到以下错误:

ModuleNotFoundError: No module named 'object_detection'

如何在Colaboratory中安装Object Detection Api？我按照安装说明操作但无法执行:

# From tensorflow/models/research/
protoc object_detection/protos/*.proto --python_out=.

我们知道对象检测框架就像faster-rcnn和mask-rcnn有一个roi pooling layeror roi align layer。但是，为什么ssd和yolo框架没有这样的层？