cv

前言
这是2020年博主参加的第一个竞赛，kaggle上面的小麦检测。这场比赛是对小麦头进行目标识别，kaggle大赛官方说是意义重大，可以更好的评估粮食产量，为全人类做贡献&#xff0

（注意：文中--eval bbox适用于目标检测模型，其他模型--eval 需要换参数）
1. Test
python tools/test.py configs/ballon/mas

一、目标检测简介
目标检测是计算机视觉中一个重要的研究方向。人眼可以轻松、准确地识别出图片中的物体是什么、这个物体在图片中的哪个位置。 对于计算机来说，在以数字形式表示的图片中寻找目标物体，并判断这个物体是什么&#

目录 一、概述
二、测试过程
1.参数准备
2.定义模型
3.获取必要数据
4.输入模型
5.锚框筛选
①利用物体置信度筛选
②获取种类
③按照物体置信度排序
④非极大抑制
6.画出外接框
三、代码汇总 一、概述
训练

A Glance through COCO
Presented By R.G.
关于COCO
COCO的官网:https://cocodataset.org/ COCO API : https://github.com/cocodatas

1 前言
基于项目的功能需求，需要将yolov4检测出的目标逐个裁剪出来，并保存到本地。
2 使用yolov4完成目标检测
本项目使用的是yolov4的PyTorch实现版本，源码可参见https

本文简单介绍基于图像的目标检测与定位相关概念，R-CNN和YOLO等算法基本思想。本文为学习笔记，参考了许多优秀博文，如有错误还望指正。1. 目标检测与定位概念
目标检测与定位的任务是判断图片中目标类

NMS都不会，做什么Detection！
Non-maximum suppression（非极大值抑制）算法
NMS原理： 首先得出所有的预测框集合B、 对应框的得分Sc

Detectron2解读全部文章链接： Facebook计算机视觉开源框架Detectron2学习笔记 — 从demo到训练自己的模型 Detectron2 “快速开始” Detection Tutorial Colab Not

mask在不同任务中有不同的用法，分类的结果叫label。分割的结果叫mask。记录了分割结果真值，像素级别的分类标签。
图像分割里的情况
1，前背景分割这样一个二分类任务：mask就可以是(h,w,1)的二值图，1表示前景，0表示背景。