Python 使用非最大值抑制合并裁剪图像
将大图像裁剪为较小图像以执行对象检测的最佳方法是什么,以便可以使用非最大抑制合并结果以删除可能重复的边界框 目前,我首先将6000*4000的大图像裁剪为500*500的小图像,并将此函数包装在for循环中:Python 使用非最大值抑制合并裁剪图像,python,tensorflow,Python,Tensorflow,将大图像裁剪为较小图像以执行对象检测的最佳方法是什么,以便可以使用非最大抑制合并结果以删除可能重复的边界框 目前,我首先将6000*4000的大图像裁剪为500*500的小图像,并将此函数包装在for循环中: crop_img = masterImage[y:y+imgSize, x:x+imgSize] 然后我对每个图像运行对象检测。然后将结果存储在字典中: boxesColect[Point(xCount,yCount)] = [boxes, scores, classes
crop_img = masterImage[y:y+imgSize, x:x+imgSize]
然后我对每个图像运行对象检测。然后将结果存储在字典中:
boxesColect[Point(xCount,yCount)] = [boxes, scores, classes]
然后,我使用这个字典创建了一个用于非最大值抑制的张量
有没有更好的办法解决这个问题