目标检测的boundingbox的几种表示方法

目标检测中bounding box的几种表示形式

1.xyxy型(x_min,y_min,x_max,y_max)——VOC边框表示法
用多个.xml文件存放
在这里插入图片描述

2.tlwh型(x_min,y_min,width,height)——coco边框表示法
用一个.json文件存放

在这里插入图片描述

3.xywh型(x_center,y_center,width,height)——yolo边框表示法
用多个.txt文件存放
在这里插入图片描述

还有一种是标注多个json文件的,具体我忘记了。

用不同网络训练自己的数据时,需要将数据转换成网络能够处理的数据。比如从VOC转json,从多个json转COCO,从VOC转txt。

版权声明:本文为CSDN博主「Code坑似海」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/Dongjiuqing/article/details/122363278

Code坑似海

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

分享 | 物体检测和数据集

因为最近学习任务比较紧(但也不妨碍元旦摆烂三天),所以中间有几个实战Kaggle比赛就跳过了,等以后有时间再回头来看看。物体检测和数据集这一节花了有一天的时间,一直有一个bug困扰,后来改了代码把box

目标检测——yolov3论文精读

📝论文下载 Abstract(摘要) YOLOv3在YOLO的基础上做了一些更新,重点在于提升检测的精度。当图片的分辨率为320 × 320,YOLOv3只使用了22 ms进行检测, m