两次检测之间的交集相交
computer-vision
matlab-cvst
5
0

我正在读报纸: 法拉利(Ferrari)等。在“亲和力度量”部分中。我了解法拉利等人。尝试通过以下方式获取亲和力:

  1. 位置相似性-使用两次检测之间的交集的面积
  2. 外观亲和力-使用直方图之间的欧式距离
  3. KLT点亲和力度量

但是,我有两个主要问题:

  1. 我无法理解两次检测之间的交点交集实际上是什么意思,以及如何计算它
  2. 我尝试了一种外观上的差异稍有不同的措施。我将RGB检测转换为HSV ..,将“色相”和“饱和度”合并为1个向量,并将其与其他检测进行比较。但是,使用此技术失败,因为检测到的袋子的相似性得分比检测到同一个人的头部(方向不同)的相似性得分更高。

对上述问题有任何建议或解决方案吗?谢谢,非常感谢您的帮助。

参考资料:
Stack Overflow
收藏
评论
共 2 个回答
高赞 时间 活跃

尝试在Union上交叉

联合上的交集是一种评估指标,用于测量特定数据集上对象检测器的准确性。

更正式地讲,为了将“相交于联合”应用于评估(任意)对象检测器,我们需要:

  1. 真实边界框(即来自测试集中的标有标签的边界框,用于指定对象在图像中的位置)。
  2. 我们模型的预测边界框。

下面,我提供了一个真实的边界框与预测的边界框的可视示例:

在此处输入图片说明

预测边界框用红色绘制,而地面真相(即,手工标记)边界框用绿色绘制。

在上图中,我们可以看到我们的物体检测器已经检测到图像中存在停车标志。

因此,可以通过以下方式确定联合上的计算交叉口:

在此处输入图片说明

只要我们有这两套边界框,就可以将“相交”应用于“联合”。

这是Python代码

# import the necessary packages
from collections import namedtuple
import numpy as np
import cv2

# define the `Detection` object
Detection = namedtuple("Detection", ["image_path", "gt", "pred"])

def bb_intersection_over_union(boxA, boxB):
    # determine the (x, y)-coordinates of the intersection rectangle
    xA = max(boxA[0], boxB[0])
    yA = max(boxA[1], boxB[1])
    xB = min(boxA[2], boxB[2])
    yB = min(boxA[3], boxB[3])

    # compute the area of intersection rectangle
    interArea = (xB - xA) * (yB - yA)

    # compute the area of both the prediction and ground-truth
    # rectangles
    boxAArea = (boxA[2] - boxA[0]) * (boxA[3] - boxA[1])
    boxBArea = (boxB[2] - boxB[0]) * (boxB[3] - boxB[1])

    # compute the intersection over union by taking the intersection
    # area and dividing it by the sum of prediction + ground-truth
    # areas - the interesection area
    iou = interArea / float(boxAArea + boxBArea - interArea)

    # return the intersection over union value
    return iou

gtpred

  1. gt :真实边界框。
  2. pred :模型预测的边界框。

有关更多信息,您可以单击此帖子

收藏
评论

1)您有两个重叠的边界框。您计算框的交点,即交叠的面积。您可以计算重叠框的并集,这是整个框的面积之和减去重叠面积。然后,将交集除以并集。在计算机视觉系统工具箱中有一个名为bboxOverlapRatio的函数

2)通常,您不想连接颜色通道。相反,您想要的是3D直方图,其中尺寸为H,S和V。

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号