抱歉,我对人工智能的了解有限。但我正在尝试使用YOLOv2 (特别是darkflow)来识别我的对象。我有100个图像,训练了1000个时期。然而,我的输出并不是我在网上读到的说明。有太多的包围盒出现,而我只有一个对象在图片中识别。这是我的测试文件。另外,我想知道“选项”中“阈值”的影响。我的问题目前在哪里?请让我知道。
from darkflow.net.build import TFNet
import numpy as np
import cv2
import time
import pprint as pp
options = {
"model": "cfg/yolov2-voc-1c.cfg",
"load": -1,
"threshold": 0.01
}
tfnet2 = TFNet(options)
tfnet2.load_from_ckpt()
def boxing(original_img, predictions):
newImage = np.copy(original_img)
for result in predictions:
top_x = result['topleft']['x']
top_y = result['topleft']['y']
btm_x = result['bottomright']['x']
btm_y = result['bottomright']['y']
confidence = result['confidence']
label = result['label'] + " " + str(round(confidence, 3))
if confidence > 0.06:
newImage = cv2.rectangle(newImage, (top_x, top_y), (btm_x, btm_y), (255,0,0), 3)
newImage = cv2.putText(newImage, label, (top_x, top_y-5), cv2.FONT_HERSHEY_COMPLEX_SMALL , 0.8, (0, 230, 0), 1, cv2.LINE_AA)
return newImage
original_img = cv2.imread("data_test.jpg")
original_img = cv2.cvtColor(original_img, cv2.COLOR_BGR2RGB)
result = tfnet2.return_predict(original_img)
new_frame = boxing(original_img, result)
cv2.imwrite('output.jpg', new_frame)结果图像:

发布于 2019-06-24 03:54:40
你使用了一个非常低的阈值=0.01,这意味着如果概率大于1%,模型将认为它检测到了一个对象,通常我们使用大于25%的阈值。还要考虑改变信心。
https://stackoverflow.com/questions/56722492
复制相似问题