关于目标检测的bbox

关于目标检测的bbox,最让人抓狂的,就是你永远不能对于box的定义掉以轻心, 虽然box就是一个正方形,四个数字,但是如果没有正确理解其对应的含义,会对于mAP的计算等任务产生灾难性的影响。

box的前两个数字可能表达 [x_min, y_min],或者[x_center, y_center], 后两个数字可能表达[x_max,y_max]或者[w, h]. 不同的数据集或者检测模型有不同的定义,比如coco中, box 定义如下 **[x_min, y_min, width, height],**数而在ultralyutics中, xywh中xy的含义却又是[x_center, y_center]...

所以,当你的目标检测可视化不正确的时候,也许可能只是box的使用有问题

如果你的mAP计算有问题,可能也是因为你的box计算有问题。

相关推荐
CoovallyAIHub11 分钟前
破局红外小目标检测:异常感知Anomaly-Aware YOLO以“俭”驭“繁”
深度学习·算法·计算机视觉
mqiqe13 分钟前
【Spring AI MCP】六、SpringAI MCP 服务端 STDIO & SSE
java·人工智能·spring
飞哥数智坊22 分钟前
两天一首歌,这个UP主是怎么做到的?
人工智能·aigc
草莓熊Lotso35 分钟前
红黑树从入门到进阶:4 条规则如何筑牢 O (logN) 效率根基?
服务器·开发语言·c++·人工智能·经验分享·笔记·后端
IT_陈寒1 小时前
Python 3.12新特性解析:10个让你代码效率提升30%的实用技巧
前端·人工智能·后端
澜舟孟子开源社区1 小时前
开源技术驱动与架构创新:AI领域的破局之道
人工智能·agi
Baihai_IDP1 小时前
上下文管理策略综述
人工智能·llm
aneasystone本尊1 小时前
学习 LiteLLM 的路由和回退策略
人工智能
Mrliu__1 小时前
Opencv(十六) : 图像边缘检测
人工智能·opencv·计算机视觉