Technologieaustausch

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Bei langen Zielen mit einem relativ großen Seitenverhältnis, z. B. 1000 Pixel in der Länge, 10 Pixel in der Breite usw., besteht das Problem, dass in einigen Bildern in den mit den Hauptdaten verbesserten Bildern während des Trainings keine Beschriftungen vorhanden sind in den verbesserten Bildern führen zu dem Problem einer geringen Erinnerungsrate.

Im Trainingscode wird die Funktion box_candidates in der Datei augmentations.py in random_perspective verwendet, um die Bildbeschriftungen nach der Perspektivtransformation zu filtern, die zu kleinen Boxen zu entfernen (der Bereich ist kleiner als der Bereich_thr vor dem Zuschneiden) und die Länge beizubehalten Die Breite der Felder muss größer als wh_thr Pixel sein und der Seitenverhältnisbereich liegt zwischen (1/ar_thr, ar_thr).

def box_candidates(box1, box2, wh_thr=2, ar_thr=20, area_thr=0.1, eps=1e-16):
    """box_candidates() is used to filter the labels and reject poor label candidates:
    用在random_perspective中 对透视变换后的图片label进行筛选
    去除被裁剪过小的框(面积小于裁剪前的area_thr) 还有长和宽必须大于wh_thr个像素，且长宽比范围在(1/ar_thr, ar_thr)之间的限制
    Compute candidate boxes: box1 before augment, box2 after augment, wh_thr (pixels), aspect_ratio_thr, area_ratio
    :params box1: [4, n]
    :params box2: [4, n]
    :params wh_thr: 筛选条件 宽高阈值
    :params ar_thr: 筛选条件 宽高比、高宽比最大值阈值
    :params area_thr: 筛选条件 面积阈值
    :params eps: 1e-16 接近0的数 防止分母为0
    :return i: 筛选结果 [n] 全是True或False   使用比如: box1[i]即可得到i中所有等于True的矩形框 False的矩形框全部删除
    """
    w1, h1 = box1[2] - box1[0], box1[3] - box1[1]  # 求出所有box1矩形框的宽和高  [n] [n]
    w2, h2 = box2[2] - box2[0], box2[3] - box2[1]  # 求出所有box2矩形框的宽和高  [n] [n]
    ar = np.maximum(w2 / (h2   eps), h2 / (w2   eps))  # 求出所有box2矩形框的宽高比和高宽比的较大者  [n, 1]
    # 筛选条件: 增强后w、h要大于2   增强后图像与增强前图像面积比值大于area_thr   宽高比大于ar_thr
    return (
        (w2 
                                   

                    上一篇
                    下一篇