【EasyDL物体检测】实践操作(单物体检测)
756665228 发布于2018-04-25 11:13 浏览:1899 回复:4
2
收藏
最后编辑于2018-07-11
图片分类物体检测区别
1.输出不同
任务描述分类(Classification)在固定的类别下对一张图片进行分类。 输入:图片输出:类别标签
评价标准:准确率(top5)
检测和定位(Detection+Localization)在输入图片中找出存在的物体类别和位置.(可能存在多种物体)。 输入:图片输出:类别标签和bbox(x,y,w,h)
评价标准: IoU(Intersection over Union)mAP(Mean Average Precision)
2.物体检测的目标不同
物体检测可能会存在多个检测目标,这不仅需要我们判别出各个物体的类别,而且还要准确定位出物体的位置
 
本文以农业病虫在植物上的个数检测进行实践操作
------------------------------------------分割线------------------------------------------
------------------------------------------分割线------------------------------------------
  • 1.创建一个物体检测模型

  • 2.创建一个物体检测数据集

  • 3.点击标注按钮,进行图片上传标注操作

  • 4.点击上传图片进行选择本地图片文件上传

  • 5.点击添加图片弹出文件框选择图片文件即可 单次最多20

  • 6.点击红框按钮 再在图片区域点击即可进行标注 并在右边填写标签名称(不支持中文)

  • 7.图片标注完成,记得点击保存哦

  • 8.点击训练 跳转添加数据集页面选择数据集

  • 9.勾选完成点击添加标签再点击完成

  • 10.点击开始训练 等待训练结束即可

------------------------------------------分割线------------------------------------------

  • 训练完成截图

mAP(mean average precision)是物体检测(Object Detection)算法中衡量算法效果的指标。
对于物体检测任务,
每一类object都可以计算出其精确率(Precision)和召回率(Recall),
在不同阈值下多次计算/试验,每个类都可以得到一条P-R曲线,曲线下的面积就是average precision(AP)的值。“mean”的意思是对每个类的AP再求平均,得到的就是mAP的值。mAP在[0,1]区间,越接近1模型效果越好。
  • 校验效果
 
------------------------------------------分割线------------------------------------------
 
以上就是单物体检测训练操作流程。校验效果是会返回图片上存在的单个物体的个数和每个物体的置信度
图片看的不清晰的。还有2个步骤的操作动图看不的请移步以下博客地址
收藏
点赞
2
个赞
共4条回复 最后由彦丶子凡回复于2018-07-11 22:05
#5彦丶子凡回复于2018-07-11 22:05:31

这个真的详细,赞一个

0
#4UserName_earth回复于2018-07-05 17:03:29

我才发现!

0
#3荒墨丶迷失回复于2018-04-25 13:16:11

小帅上手就是那么的快~

2
#2756665228回复于2018-04-25 12:06:40
  • 添加训练数据集步骤
  • 数据集上传标注步骤

步骤动图请移步其他2个博客地址查看

1
TOP
切换版块