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
Aurora-Borealis.7 分钟前
Day27 机器学习流水线
人工智能·机器学习
歌_顿10 分钟前
知识蒸馏学习总结
人工智能·算法
老吴学AI14 分钟前
系列报告九:(埃森哲)The New Rules of Platform Strategy in the Age of Agentic AI
人工智能
棒棒的皮皮16 分钟前
【深度学习】YOLO模型速度优化Checklist
人工智能·深度学习·yolo·计算机视觉
意疏1 小时前
节点小宝4.0 正式发布:一键直达,重新定义远程控制!
人工智能
一个无名的炼丹师1 小时前
GraphRAG深度解析:从原理到实战,重塑RAG检索增强生成的未来
人工智能·python·rag
Yan-英杰1 小时前
BoostKit OmniAdaptor 源码深度解析
网络·人工智能·网络协议·tcp/ip·http
用泥种荷花2 小时前
【LangChain学习笔记】Message
人工智能
阿里云大数据AI技术2 小时前
一套底座支撑多场景:高德地图基于 Paimon + StarRocks 轨迹服务实践
人工智能
云擎算力平台omniyq.com2 小时前
CES 2026观察:从“物理AI”愿景看行业算力基础设施演进
人工智能