AI实战营-Day3 目标检测

最新推荐文章于 2025-12-26 21:59:01 发布
原创 最新推荐文章于 2025-12-26 21:59:01 发布 · 130 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #目标检测 #计算机视觉

本文介绍了目标检测的核心概念，包括使用滑窗进行密集预测，边界框的相关术语如交并比和置信度，非极大值抑制在消除重复检测中的作用，以及边界框回归和编码。此外，还讨论了目标检测模型的评估指标，如精确率、召回率、PR曲线和平均AP值。

目录

一、滑窗

  1. 滑窗 Sliding Window

在这里插入图片描述
在这里插入图片描述

  1. 滑窗的效率问题
    在这里插入图片描述
  2. 消除滑窗中的重复计算
    在这里插入图片描述
  3. 在特征图上进行密集预测
    在这里插入图片描述
  4. 目标检测的基本范式
    在这里插入图片描述

二、目标检测的基本概念

  1. 框，边界框（Bounding Box）

在这里插入图片描述

  1. 框相关的概念

在这里插入图片描述

  1. 交并比 Intersection Over Union

在这里插入图片描述

  1. 置信度 Confidence Score

在这里插入图片描述

  1. 非极大值抑制 Non-Maximum Suppression

在这里插入图片描述

  1. 边界框回归 Bounding Box Regression
    在这里插入图片描述
  2. 边界框编码 Bbox Coding

在这里插入图片描述

  1. 锚框 Anchor

在这里插入图片描述

三、目标检测模型的评估方法

  1. 检测结果的正确/错误类型

在这里插入图片描述

  1. 准确率 Precision 与 召回率 Recall

在这里插入图片描述

  1. 准确率与召回率的平衡

在这里插入图片描述

  1. PR 曲线 与 AP 值

在这里插入图片描述

  1. 完整数据集上的例子

在这里插入图片描述

  1. PR 曲线的起伏

在这里插入图片描述

  1. Mean AP

在这里插入图片描述

AI实战营-Day6 MMSegmentation
WdbM_的博客
02-11 359
这是OpenMMLabAI实战营-Day6 的学习笔记，主要记录一下 MMSegmentationo 的知识，文章的图片均来自实战营课件
OpenMMLab AI 实战营day5 目标检测实战
aso538的博客
02-08 204
day5
OpenMMLab AI 实战营day4 目标检测理论
aso538的博客
02-07 179
狠狠的补充了一下目标检测的相关基础，以前基础不太牢。
目标检测实战教程Day1（原创）
第欧根尼的酒桶的博客
10-08 1377
本节将从目标检测的重要性与应用出发，详尽地介绍目标检测的核心原理与方法，目的是帮助读者了解目标检测的工作机制和实现技术。通过本节的学习，读者将能够掌握目标检测的基本分类与关键概念，为后续模型的实际部署做准备。
【OpenMMLab AI实战营 学习笔记 DAY（四）-- 目标检测基础知识及评估方法】
LL_RF的博客
02-07 881
本次课程，仍然是由王若晖老师进行讲解，中间的答疑部分由张子豪（B站 同济子豪兄）进行答疑讲解。[课程链接](https://www.bilibili.com/video/BV1Ay4y1Q7mC/?spm_id_from=333.999.0.0&vd_source=a924258923caf7beb57da59b516dddec)，也可以直接打开哔哩哔哩，搜索OpenMMLab，在其主页可以观看。
OpenMMLab AI实战训练营day6-目标检测与MMDetection
lgwwslgw的博客
06-07 143
使用启发式算法替换暴力遍历用相对低计算量的方式粗筛出可能包含物体的位置，再使用卷积网络预测早期二阶段方法使用，依赖外部算法，系统实现复杂。︰模型认可自身预测结果的程度，通常需要为每个框预测一个置信度我们倾向认可置信度高的预测结果，例如有两个重复的预测结果，丢弃置信度低的。滑窗类算法通常会在物体周围给出多个相近的检测框这些框实际指向同一物体，只需要保留其中置信度最高的。考虑1000×600大小的图像，设定100×100的窗口，每滑动20像素分类一次。一个好的检测器应满足不重，不漏的要求。
OpenMMLab AI实战训练营day2-人体关键点检测与MMpose
lgwwslgw的博客
06-01 622
姿态估计：从给定的图像中识别人脸，手部，身体等关键点输入：图像I输出：所有关键点的像素坐标(x1x_1x1​y1y_1y1​)(x2x_2x2​y2y_2y2​)(xJx_JxJ​yJy_JyJ​)，这里J为关键点的总数，取决于具体的关键点模型。
3天AI进阶实战营——多目标跟踪
AI浩
09-05 772
也可以不创建新的Notebook任务，从本方法的第一步开始做。
OpenMMlab AI实战营Day5 MMDtetection教学
一只大憨憨的博客
02-08 1252
OpenMMlab AI实战营Day5 MMDtetection教学
AI基础实战营Day1ppt
02-02
AI基础实战营Day1课程以计算机视觉为主题，由同济子豪兄主讲，深入浅出地探讨了这一领域，特别强调了OpenMMLab这一开源算法体系的重要性。 计算机视觉，一门旨在赋予机器“视觉”能力的科学，已经广泛应用在消费级...
【课程总结】Day13（上）：使用YOLO进行目标检测
Deadwalk的专栏
06-30 1663
在上一章《【课程总结】Day11（下）：YOLO的入门使用》的学习中，我们通过YOLO实现了对图片的分类任务。本章的学习内容，将以目标检测为切入口，了解目标检测流程，包括：数据标准、模型训练以及模型预测。
【七班】MMPose代码实践与耳朵穴位数据集实战【OpenMMLab AI实战营第二期Day3+作业1】
chenghong1的专栏
06-05 996
但是Linux操作系统操作中是有问题的，!wget https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220716-mmclassification/dataset/SimHei.ttf -O /environment/miniconda3/lib/python3.7/site-packages/matplotlib/mpl-data/fonts/ttf/SimHei.ttf中，下载的文件似乎有问题无法生效，且下载路径不准确，
【AI学习-comfyUI学习-第二十三-法线贴图工作流-depth 结构+MiDaS 法线-各个部分学习】
qq_22146161的博客
12-25 1102
最近，学习comfyUI，这也是AI的一部分，想将相关学习到的东西尽可能记录下来。不断学习摸索中。
做了一块可以调用百度云语音识别api和tts api的esp32 s3开发板，支持跑ai小智机器人的源码，基于idf5.5.1库编译，分享下
net3m33的专栏
12-25 515
做了一块可以调用百度云语音识别api和语音合成tts接口的esp32 s3开发板，支持跑ai小智机器人的源码，基于idf5.5.1库编译，分享
第N11周：seq2seq翻译实战-Pytorch复现
最新发布
m0_46260522的博客
12-26 378
5.2 注意力解码器（AttnDecoderRNN）7.2 训练迭代主循环。
Q-learning 算法 —— 无模型（model-free）强化学习
一杯水果茶！足矣~
12-25 1065
从已知模型到 Model-free 的强化学习转变：Q-Learning 算法，通过详细示例来讲解，理解 Q-table 的更新和贪婪策略
2025国自然资助率12.29%创新低！2026年如何用数据与AI“破局”？
imbackneverdie的博客
12-25 861
这绝非简单的文字堆砌，它内在嵌入了对国自然申报规范的理解，能有效帮你规避常见的“方向偏离”“逻辑混乱”“格式错误”等基础问题，将你从繁琐的框架搭建中解放出来，专注于核心内容的精雕细琢。国自然2025年的资助率降至历史新低的12.29%，数万科研人员面对着更激烈的竞争与更严格的评审标准，对于2026年度的申报者而言，“高效准备，少走弯路”已不是口号，而是生存法则。它不仅告诉你“是什么”，更分析“为什么”和“怎么办”，直接为你的选题方向和立项论证提供坚实的数据支撑。模块，堪称科研人员的“选题外脑”。
企业级 RAG 问答系统开发上线流程分析
hello！
12-22 1500
这个项目流程是一个非常典型的。
打造个人数字大脑：访答知识库深度指南
acbd1994的博客
12-23 876
本地私有知识库是指将个人或组织的知识资料存储在本地设备上，而非云端服务器。这种模式最大的优势在于数据完全由用户掌控，无需担心隐私泄露风险。与传统的云存储知识库相比，本地解决方案在数据安全性和访问速度上具有明显优势。
100天掌握人工智能：全周期教程代码完整版
这意味着学习计划是结构化的，每天都有特定的学习目标，覆盖了人工智能领域的广泛话题。这个教程可能包括了人工智能的基础理论、机器学习、深度学习、自然语言处理、计算机视觉等核心主题。教程的编写方式可能兼顾了...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值