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

目标检测中的先验框(Anchor)

什么是先验框?
了解过目标检测算法的朋友们肯定知道先验框(Anchor)的概念,那么什么是先验框,为什么要有先验框?若要解释这个问题,首先我们需要了解边界框回归原理。
b

YOLOv3学习——锚框和候选区域

YOLOv3学习之锚框和候选区域
单阶段目标检测模型YOLOv3
R-CNN系列算法需要先产生候选区域,再对候选区域做分类和位置坐标的预测,这类算法被称为两阶段目标检测算法。近几年,很多研究人员相继

YOLOv1损失函数代码详解

V1损失函数: 1、标注图像某位置有目标,预测为有>计算not response loss 未响应损失以及box框的坐标等的信息对应蓝色框和红色框
其代码为: # # # # # # # # # #