TF - 带有地面真值盒的物体检测

  • Z时代
  • 2024-01-10
  • 分类：问答

在我用tensorflow对目标检测API进行一些研究的那一刻。为此，我跟着这个教程：TF - 带有地面真值盒的物体检测

https://www.oreilly.com/ideas/object-detection-with-tensorflow

本教程介绍了如何从图像也PASCAL VOC XML标签文件tfrecord。以及开始使用对象检测API。

要生成我修改了一些代码，从引用的浣熊库在GitHub上那些tfrecords：

https://github.com/datitran/raccoon_dataset

我标记我的图片与LabelImg（https://github.com/tzutalin/labelImg）有你有在PASCAL VOC格式保存的可能性。

所以现在我按照教程做了60个图像的第一次测试（训练），一小时后（574步）我做了一个中断来保存检查点。在此之后，我做了一个导出“inference.py图”并保存了冷冻模型（纠正我，如果我说一些愚蠢的东西，这东西也是我的新东西...）

而之后，我修改了jupyter笔记本从我的欲望和tada的教程中有一些在测试图像中的识别。

到目前为止这么好，但现在我想看看对象检测有多好（为此），为此我想从我的测试PASCAL VOC数据集中添加一些地面实况框。但我有一些麻烦来实现我的目标。

我做的第一件事是手动添加这是我从我的VOC数据集读取箱子，并将它们添加到图像，我与https://matplotlib.org/devdocs/api/_as_gen/matplotlib.patches.Rectangle.html

但在我的解决方案，这是获得不同的地块/附图。 ...

所以，然后我想也许对象检测API提供了一些功能来添加盒子/地面真值盒并评估我的检测与我的测试VOC数据集的准确性。

所以我想我看看https://github.com/tensorflow/models/tree/master/research/object_detection/utils，我以为我找到了一个函数（DEF draw_bounding_box_on_image_array），使一些箱子到我的image_np，但没有任何事情发生，所以这是什么API用来做一些可视化：

vis_util.visualize_boxes_and_labels_on_image_array(
     image_np, 
     np.squeeze(boxes), 
     np.squeeze(classes).astype(np.int32), 
     np.squeeze(scores), 
     category_index, 
     use_normalized_coordinates=True, 
     line_thickness=2)

，这是我曾尝试使用：

vis_util.draw_bounding_box_on_image(
     image_np, 
     bndbox_coordinates[0][1], 
     bndbox_coordinates[0][0], 
     bndbox_coordinates[0][3], 
     bndbox_coordinates[0][2])

但有箱子的arent如果我尝试绘图这个numpy的阵列图像

我错过了什么吗？问题2是否有API中的某些类正在进行准确性评估？我没有看到我的干眼......如果此类/功能使用PASCAL VOC来确定？ Mybe我可以使用这个：https://github.com/tensorflow/models/blob/master/research/object_detection/utils/object_detection_evaluation.py，但我没有信心，因为我也是新的python和一些代码/评论很难让我明白...

也许你职业的球员，有可以帮助我

在此先感谢

编辑： https://www.pyimagesearch.com/2016/11/07/intersection-over-union-iou-for-object-detection/

现在：

我从这篇文章中读出一点点我知道我需要一个IoU（联合交集） - 所以有人知道对象检测API是否为此提供了一个函数？我会重新考虑的API ...

回答：

我觉得你没有经过完整的参数

vis_util.visualize_boxes_and_labels_on_image_array(
    image_np, 
    np.squeeze(boxes), 
    np.squeeze(classes).astype(np.int32), 
    np.squeeze(scores), 
    category_index, 
    use_normalized_coordinates=True, 
    line_thickness=2)

你需要传递 image_np=ImageID，np.squeeze(boxes)=bounding box coordinates，np.squeeze(classes).astype(np.int32)=to which class this object belongs to，np.squeeze(scores)=confidence score that will always be 1

以上是 TF - 带有地面真值盒的物体检测 的全部内容， 来源链接： utcz.com/qa/263728.html

回到顶部