Fatal编程技术网
  • computer-vision/
  • Computer vision 约洛联合会（IOU）地面真相交叉点

Computer vision 约洛联合会（IOU）地面真相交叉点

computer-vision

Computer vision 约洛联合会（IOU）地面真相交叉点,computer-vision,yolo,Computer Vision,Yolo,我试图理解YOLO中借据的概念。我读到它是预测边界框和地面真值边界框之间的重叠区域。这是训练数据所必需的，您可以手动放置地面真实值边界框。我的问题是，如果你想在新的图像上应用YOLO，它如何知道地面真相边界框 问候,， Bryan如果我们有两个边界框，那么IoU的定义是 它有两个用途： 这有助于我们衡量模型预测的准确性。使用它，我们可以计算出预测的边界框与地面真实边界框的重叠程度IoU越高，性能越好。 结果可以解释为 它帮助我们删除相同对象的重复边界框。因此，我们按照置信度的降序对所有预

我试图理解YOLO中借据的概念。我读到它是预测边界框和地面真值边界框之间的重叠区域。这是训练数据所必需的，您可以手动放置地面真实值边界框。我的问题是，如果你想在新的图像上应用YOLO，它如何知道地面真相边界框

问候,，
Bryan

如果我们有两个边界框，那么IoU的定义是

它有两个用途：

  • 这有助于我们衡量模型预测的准确性。使用它，我们可以计算出预测的边界框与地面真实边界框的重叠程度IoU越高，性能越好。 结果可以解释为

  • 它帮助我们删除相同对象的重复边界框。因此，我们按照置信度的降序对所有预测/对象进行排序。如果两个边界框指向同一对象，它们的IoU肯定会非常高。在这种情况下，我们选择置信度较高的框（即第一个框），并拒绝第二个框。如果IoU非常低，这可能意味着这两个框指向同一类的不同对象（如同一张图片中的不同狗或不同猫）

    • 您所指的是第一部分，检查您的模型/预测的准确性。应该注意的是，这一步骤是在学习阶段完成的，特别是在完成培训时。数据集分为训练集和验证集。验证数据集是用于检查性能的数据集，正如您所说，基本真相框由用户手动提供

    在模型完成培训并正在使用/部署后，不会执行此操作。此时，我们使用IoU的第二个应用程序，并使用它删除重复的边界框