首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >如何处理YOLOv2的框框定界结果

问如何处理YOLOv2的框框定界结果
EN

Stack Overflow用户
提问于 2019-06-23 17:10:08
回答 1查看 1.3K关注 0票数 0

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。

代码语言:javascript
复制
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:

​

​

EN

回答 1

Stack Overflow用户

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。

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/56722492

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档