运行目标检测训练时的tf-1.5或tf-2.1
是指在进行目标检测模型训练时使用的TensorFlow版本。TensorFlow是一个开源的机器学习框架，广泛应用于深度学习和人工智能领域。
目标检测是计算机视觉领域的重要任务，旨在识别图像或视频中的物体并确定其位置。tf-1.5和tf-2.1是TensorFlow的两个版本，分别具有不同的特性和优势。
tf-1.5是TensorFlow 1.x系列的一个版本，它具有成熟稳定的特性和广泛的社区支持。在目标检测训练中，tf-1.5可以使用经典的目标检测模型，如Faster R-CNN、SSD等。同时，tf-1.5提供了丰富的工具和库，用于数据预处理、模型构建、训练和评估等方面。
tf-2.1是TensorFlow 2.x系列的一个版本，它引入了许多新特性和改进，使得开发和训练模型更加简单和高效。在目标检测训练中，tf-2.1可以使用现代的目标检测模型，如YOLO、EfficientDet等。tf-2.1还提供了Eager Execution模式，可以实时调试和验证模型，以及更好的性能优化和分布式训练支持。
对于目标检测训练，腾讯云提供了一系列相关产品和服务。例如，腾讯云的AI机器学习平台（https://cloud.tencent.com/product/tiia）提供了丰富的机器学习工具和算法，可以用于目标检测模型的训练和部署。此外，腾讯云还提供了弹性计算、存储、网络等基础设施服务，以支持大规模的目标检测训练任务。
总结起来，tf-1.5和tf-2.1是TensorFlow的两个版本，用于目标检测模型的训练。它们具有不同的特性和优势，可以根据具体需求选择合适的版本。腾讯云提供了相关产品和服务，以支持目标检测训练任务的开发和部署。
相关·内容
1回答
从我可以收集到的信息来看，当使用SVM时，它将尝试将训练的内容匹配到具有类似大小的目标的图像。
更好地解释自己的快速示例：
如果SVM是训练在iPod纳米的图像上看上去像，那么当看到的图像出现时，它就不会表现得那么好。
我发现，使用我的训练集，当它作为测试集再次在SVM中运行时，具有目标显示为iPod的训练图像(即更远的距离)无法被识别为匹配，尽管在这些图像上进行了训练。
那么，我们能做些什么来对抗这种情况呢？还是您必须简单地创建多个SVMs，并在不同的距离上使用所需的目标进行训练？
浏览 2提问于2015-03-16得票数 2
2回答
在库中有经过预先训练的对象识别模型。但据我所知，目前还没有经过预先训练的对象检测模型。
有人知道为什么会这样吗？在处理视觉问题时，目标检测是一个很重要的问题。
浏览 1提问于2019-01-28得票数 1
回答已采纳
我正在使用YOLOv4训练我的自定义检测器。来源：
训练时的问题之一是GPU和可用的视频RAM的计算能力。对象类的数量与训练模型所需的时间之间的关系是什么？此外，是否有可能通过减少对象类的数量来显著减少图像的推理时间？目标是在Raspberry Pi或Jetson Nano上运行推理。
任何帮助都是非常感谢的。谢谢。
浏览 0提问于2020-07-24得票数 3
我使用yolo在我的自定义数据集上进行图像检测，在那里我训练识别数据集中的某些对象。训练后，算法对图像中的目标进行了正确的预测。我只想得到预测对象的rbg值，在opencv中，我没有找到检查检测框中对象的rgb值的方法。在所附的示例图像中，我希望看到检测到的杯子的rgb值。
浏览 5提问于2019-11-07得票数 0
回答已采纳
1回答
目前所需经费如下：
1.输入图像是由1440x1080摄像机拍摄的图像。
2.图像上只有两个检测目标，分别约为40×40像素和16×16像素。
当yolov7训练时，“image_size”参数只告诉它原始图像的大小，模型仍然将图像缩放到480x480 (如果像素不够的话用灰度像素完成)，然后再进行训练，我的目标已经足够小了，再次缩放使它难以分辨。
是否有任何方法使模型以1440x1080 (或1440x1088为32的倍数完成时)的本地分辨率进行训练？
浏览 12提问于2022-08-18得票数 0
1回答
从对象检测库中训练人脸检测模型
、、、、
为了训练人脸检测模型，是否有可能采用目标检测模型，并将其训练在人脸检测数据集上(只有一个类)？对象检测模型只有一个类有什么问题吗？
我计划使用的存储库是：
浏览 8提问于2022-06-17得票数 -1
1回答
理解词嵌入的迁移学习
、、、、
我无法想象预先训练过的单词嵌入的迁移学习在NLP任务(比如命名实体识别)中是如何有用的。我正在学习Andrew NG的序列模型课程，他似乎说，如果目标任务的训练集非常少，那么转移单词嵌入的学习将有助于在应用程序中处理训练集中的未知单词。
让我们考虑命名实体识别的任务，
我的问题是，为目标任务设置的很小的训练内容是什么？它们是带有实体标记的单词嵌入还是句子？
他是否认为，如果训练集只是在预先训练过的模型中有嵌入词的标记句，那么训练集中不存在但更接近训练集的单词也会在应用程序中被有效捕获？
考虑一下‘橘子’正在训练中。但是，“苹果”并不是。
所以，在“我喜欢橘子汁”和“我喜欢苹果汁”这两个句子中，
浏览 0提问于2020-07-27得票数 1
我一直在训练中的对象检测模型。当我训练这个模型时，我看到了以下显著的损失。我想深入了解一下这些损失是什么。由于有许多种损失用于目标检测。我最初的研究表明
交叉熵= CLS损失
IoU损失= BBox损失
但我不太清楚，文件对此并没有太多的说明。
浏览 1提问于2018-08-15得票数 1
回答已采纳
我有一个包含图像的数据集，每个图像都有一个单元格，背景中还有一些较小的无关紧要的单元格。此数据集是否可用于训练模型，以检测和识别单个测试图像中的多个目标细胞？
其次，训练数据中的单元大小与测试图像中的单元大小不同是否会影响预测？
浏览 3提问于2019-01-09得票数 0
1回答
使用TensorFlow，我想用我自己的基于ssd_inception_v2_coco模型的图像训练一个目标检测模型。我的问题是我所有的照片都是黑白的。我能期望什么样的性能？我应该先试着给我的黑白照片上色吗？或者相反，我应该尝试用“未着色”的图像重新训练基础网络吗？是否有用于深度学习对象检测的图像黑白处理的一般指导原则？
浏览 14提问于2018-01-28得票数 2
回答已采纳
1回答
在目标检测问题中，背景类似乎占据了训练数据的主导地位，因为背景样本比目标样本多得多。 那么，我们可以将目标检测问题视为一个不平衡的分类问题吗？欺诈/入侵检测似乎被广泛地视为不平衡分类问题。
浏览 1提问于2013-05-15得票数 0
1回答
我试图用Python2.7和OpenCV 2.4.13从UAV图像中做一个汽车检测器。我们的目标是在城市环境中，从任何方向的高空探测汽车。我面临时间执行和准确性问题。
当我把它和我从网上获得的一些级联一起使用时，探测器工作得很好：
香蕉分类器(显然它不检测汽车，而是检测它识别为香蕉的对象)：( coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html)
来自OpenCV的人脸检测级联(与香蕉分类器相同的行为)
对于检测本身，我使用detectMultiScale()和scaleFactor = 1
浏览 5提问于2016-09-02得票数 3
1回答
我遇到了一个多变量机器学习问题，在这个问题中，我需要检测偏差列，并在预测最终目标变量时消除该特定列的偏差。训练数据-> 。解决这个问题的标准方法应该是什么？
浏览 4提问于2021-06-07得票数 0
0回答
这种情况仍然是抽象的，我需要训练一个卷积网络，然后在图像上的滑动窗口上运行这个卷积网络。我们的目标将是构建一个热图，用于为某些对象建立像素完美的检测边界。
我想知道在keras中是否有一种简单的方法来训练网络，然后将其转变为卷积网络，而不需要在图像上运行循环，这是非常慢的？
我想我可以把经过训练的卷积滤波器复制到一个更大的卷积网络中。
如果没有，我需要直接转到tensorflow。
浏览 5提问于2016-12-30得票数 0
1回答
我是机器学习的新手。需要一点指导，如何继续训练一个模型的目标检测。我有一个完整的训练数据集和测试数据集的汽车颜色图像，注解和包围框。这个数据集有196个类。
所有谷歌搜索都提到使用预先训练过的模型。但是，我想在这个数据集上训练模型，以检测和预测边框值。在StackExchange上也没有发现。
感谢你的指点。
谢谢
浏览 0提问于2018-10-11得票数 0
回答已采纳
2回答
我有几个问题，不知道你能不能回答。
我有一堆的汽车图片(只侧视)。我想用这些图像来训练一个模特。我感兴趣的目标是三种类型的卡车，有不同的拖车。我很少同时在图像中看到两个目标对象(也许每1000个图像中就有1\over2 )。然而，我确实看到其他类型的汽车，我不想检测。
我的问题是
你认为我应该把这个问题作为检测任务还是分类任务来处理？(例如，我应该考虑多标签分类还是忽略这些图片)。
我是否还应该包括我不想在训练数据集中检测到的其他车辆？假设我没有为它们分配边界框，而是将它们包含在训练数据集中，以使系统健壮。(我用200幅图像训练了YOLO，有时被训练的模型混淆并检测到没有出现在任何类中的错误对
浏览 0提问于2019-06-18得票数 0
1回答
我正在尝试训练一个自定义对象检测器，这对yolov5架构可以训练的目标类对象的数量是有限制的。例如- coco数据集有80个目标类，假设我有500个对象类型要检测，是否建议使用yolov5。 这可以用理由来解释吗？
浏览 29提问于2021-10-23得票数 0
1回答
假设我有我想要用于监督学习的数据，但是目标/类/标签不平衡的情况非常严重。我是否应该：
限制训练集的大小，以确保有一个平坦的目标/类平衡分布(训练集的设计使得每个类的训练样本数目相等，其基础是尽可能高地分割最低出现的类)。例如，如果我的最低级别的课程在我的数据中只出现了50次，而我想要一个80到20次的列车测试分割，那么我决定接受40个样本进行训练，为了达到均衡的目标平衡，在训练中为所有其他样本抽取40个样本，例如，即使最高发的类出现100,000次。
忽略目标平衡，只需专注于列车和测试分割的比例。所以，如果是80-20，从50个样本中拿出40个样本给我出现的最低的班级，以及我最高的班级的10
浏览 0提问于2021-12-05得票数 1
我想做目标检测和分割。我想知道哪些模型是在上训练的，如YOLO等，但我想知道哪种模型具有最高的精度和最低的时间。简而言之，在COCO -dataset上训练的对象检测和分割最适合哪种模型？
浏览 0提问于2021-05-31得票数 0
回答已采纳
我有一个包含卫星图像的数据集。因此，数据集与通常用于目标检测的图像数据集有很大不同。我训练了ssd_mobilenet_v1_pets模型，但训练后的模型表现很差。
这是否意味着ssd_mobilenet_v1_pets不是一个很好的卫星图像候选者？在我的例子中，TF对象检测中的其他所有可用模型中，哪一个会表现得更好？
浏览 2提问于2017-12-09得票数 2
回答已采纳
1回答
我正在使用mxnet/resnet50训练一个物体检测器，在最后一次训练运行后，mAP是78%，当我在我的测试集上运行检测器时(独立于训练/val数据)，损失是0.37，我得到了假阳性结果-一些相当高的30-60%的置信度。我认为我需要添加一些训练/val图像，这些图像没有我正在训练检测器的任何对象。
我计划再添加20%的标签为-1的图像--我在某处读到这是如何在mxnet中指定没有标签的图像的。
这看起来合理吗？指定它是正确的方式吗？有什么不好的地方吗？谢谢，约翰
浏览 2提问于2018-11-28得票数 1
我使用tensorflow目标检测模型来检测图像上的人，但也有一些电视图像上的人，电视上的人。这个模型会检测电视上的人，我如何训练这个模型来避免检测电视上的人，谢谢。
浏览 2提问于2018-07-26得票数 0
2回答
我遇到了一个对象检测问题，我的数据由带有边界框的图像组成。我已经回顾了几个最先进的对象检测网络()，并且很难看到实例分割和对象检测是从哪里开始的。
我正试图找出，如果通过边框注释的数据进行训练，什么才是最好的呢？像掩码R-CNN这样的东西会比速度更快的R-CNN表现得更好吗?还是这种性能提升要求我的所有数据在像素级别上被分割，而不是在微调之前用边框注释？如果在边框上训练，没有分割的数据，蒙版R会比R表现得更快吗？我知道你可以用掩码R进行包围盒推断，但是你能在没有像素级分割的情况下训练模型吗？什么是最先进的目标检测，不需要训练像素级分割？
浏览 2提问于2019-10-03得票数 1
用COCO数据集训练出来的模型可检测81类，或者VOC0712可检测21类
但识别公路上的目标，通常只需要几类，如人、骑行人、车（汽车、卡车之类的）
？？怎么对detectron库提供的模型进行fine-tune——提出感兴趣的类别的权重，然后重新训练模型（比如用KITTI的数据）
浏览 677提问于2019-01-03
1回答
异常检测的决策树
、、、
问题
据我所知，一种常见的异常检测方法是建立一个对非异常训练数据进行训练的预测模型，并在对观测数据进行预测时利用模型的误差进行异常检测。该方法要求用户事先识别非异常数据。
如果不可能给非异常数据贴上标签来训练模型呢？
有什么文献可以解释如何克服这个问题吗？
我有一个想法，但我想知道是否有人听说过类似的东西，并能指出正确的方向(链接文件/博客，或解释现有的方法)。
Idea
我想在dataset X上训练一个决策树，其中包含N行、p列，有一个实际值的目标变量Y (这是一个回归问题)。dataset X包含异常对象和非异常对象.决策树训练过程在每次迭代时生成一组对象，在一个维度上迭代地分割数据集。
浏览 0提问于2020-11-28得票数 1
如果我的目标检测任务不涉及识别普通图像，那么使用预训练权重有意义吗？yolonet教程使用来自imagenet竞赛的预先训练的权重，但我正在尝试训练一个物体探测器来发现特定的地壳变形模式。
浏览 1提问于2019-08-10得票数 0
我正在尝试使用tensorflow对象检测API。为了检验这些东西，我使用了一个预先训练好的模型，并尝试在我创建的映像上运行它。
但是我看到API没有检测到图像中的所有对象(尽管它们是狗的同一图像).I使用了ssd_mobilenet_v1_coco预训练模型。
我已经将最终的输出图像与检测到的对象附加在一起。
对于为什么会发生这种情况，有什么建议吗？我应该从哪里开始研究来改进这一点？
浏览 2提问于2017-08-09得票数 1
回答已采纳
我正在探索tensorflow的目标检测算法。
在培训之前，我必须在培训数据集图像中标记项目周围的框。这被灌输到训练中。在tensorflow的目标检测算法中，盒外的环境(环境)是否重要？还是仅基于标记框内的内容进行培训？
浏览 0提问于2022-08-04得票数 0
回答已采纳
我们可以在tensorflow中获取任何预训练模型的子集吗？例如，如果我们有一个预先训练的模型，可以检测545个目标，我们可以使这个模型的子集只能检测20个目标，这样就可以减少加载模型和检测过程所需的时间。
浏览 0提问于2018-02-09得票数 0
1回答
我有一个很大的高程数据geotiff文件，我要将其用于对象检测。我已经为对象添加了标签(最初是.shp)，并将标签转换为单个geojson。
从阅读对象检测教程来看，我似乎需要将这个大图像分割成多个图像进行训练/测试。有没有一种方法可以使用原始标签，这样我就不需要重新标记每个较小的图像？
如果有人有任何有用的教程/端到端的例子来准备卫星数据进行目标检测，那也会非常有帮助。
浏览 4提问于2020-12-24得票数 1
2回答
我正在学习如何使用神经网络和对象检测，使用Python和Keras。我的目标是在图像中检测出一些非常具体的东西，比如说一个非常特定的品牌/类型的汽车化油器(汽车发动机的一部分)。
到目前为止，我找到的教程使用了猫和狗的检测作为示例，其中许多使用预先训练的VGG16网络来提高性能。
如果我只想检测我的特定化油器，而不关心图像中的其他任何东西，那么使用VGG16有意义吗？只有当您想要检测许多通用项而不是一个特定项时，VGG16才有用吗？
编辑:我只想知道图像中是否有特定的对象(化油器)。不需要在它周围定位或放置一个盒子。我有大约1000张这个特定化油器的图像供网络训练。
浏览 2提问于2017-10-20得票数 3
1回答
为了开发一个能够实时检测特定手位置(或手符号)的应用程序，我和我的团队几个月前偶然发现了haar分类。我们认为这将是理想的工作工具。然而，我们在尝试创建自己的分类器时遇到了困难(我们正在使用OpenCV)。他们在很大程度上没有抓住感兴趣的对象(见下面的第二个问题)。
关于这个问题，我有两个问题：
我们已经搜索了一些资源(目前我已经打开了100万零1个选项卡)，但是似乎没有一个可以肯定的方法来训练你自己的分类器。对于创建精确的分类器，同时允许灵活性(考虑性别差异、体重、手环等)，哪些指针是非常宝贵的？
我们已经尝试了大量的积极(1000)和消极(3000)。
我们使用了不同的照明条件，
浏览 7提问于2014-01-20得票数 1
回答已采纳
我一直在尝试在faster_rcnn_inception_resnet_v2_atrous上训练一个对象检测管道来识别单个类，但很多次都是在同一张图像上。我的目标是能够计算每个图像上有多少个实例，而不是确切地知道图像上的内容和位置。
训练数据集是20个图像，每个图像上有大约300个框，评估图像也是如此。
我不能让管道在每个图像上检测20个以上的实例，即使是在原始的训练图像上，无论200k训练步骤后的损失有多小。
我已经使用first_stage_max_proposals: 2000和max_detections_per_class: 500 max_total_detections: 500
浏览 15提问于2018-02-02得票数 0
我已经建立了Tensorflow对象检测模型(带有coco或任何其他模型的e.g.SSD)来检测图片中的“汽车”，它工作得很好。现在我想用我自己的数据集，在coco上使用预先训练好的SSD模型来训练相同的SSD模型，以检测一个自定义对象，比如“门”。问:训练完模型后，经过训练的SSD模型还能检测到“车”和“门”吗？或者，训练的模型将只检测“门”，因为这是模型训练的目的。如果训练的模型没有检测到“汽车”和“门”，我如何实现检测“汽车”(这是一个标准对象)和“门”，我希望模型被训练来检测自定义对象？
谢谢。
浏览 1提问于2018-10-18得票数 1
我正在设置新的，以便在大面积的卫星图像中找到小物体。它运行得很好-它找到了我想要的所有10个对象，但我也得到了50-100个假阳性，看起来有点像目标对象，但不是。
我正在使用从，微调他们提供的faster_rcnn_resnet101_coco模型。我刚开始的时候很小，我的对象只有100个训练示例(只有一个类)。在我的验证集中有50个例子。每个示例都是一个200x200像素图像，中间有一个标记对象(~40x40)。我训练直到我的精确和损失曲线平台。
我对使用深度学习进行目标检测相对来说还是比较新的。提高精度的最佳策略是什么？例如硬负采矿？增加我的训练数据集大小？我还没有尝试最精确的模型，他们提
浏览 2提问于2017-08-14得票数 26
1回答
我目前正在玩紧张流对象检测来学习基础知识。
现在我已经为自己设定了在电脑文字中检测字母的目标。例如，报纸文章的标题。
我知道对象检测可能不是用于字母检测的方法，但我想知道当输入数据完全相似时，对象检测模型的性能如何(计算机生成的字体)。
我的问题：
我遇到了这样的问题:手动批注给定标题中的每个字母是一项非常繁琐的工作，对于培训模型来说感觉不太好。
现在我扪心自问:我可以编写一个Adobe脚本，为一个字体(或多个字体)的每一个字母(或多个字体)生成一个图像，并将其保存到我的文件系统中。->，这将导致(10个字体*256个字符*10个背景*角度) 256000张图像进行模型培训。
为了训练的
浏览 0提问于2021-11-27得票数 0
我需要训练一个自定义的OCR在顶点AI。我的数据有裁剪图像的文件夹，每个图像都是一行，csv文件有2列:图像名和图像中的文本。但是当我试图将它导入到顶点AI的中时，我发现图像数据集只支持分类、分割和目标检测。所有的数据集都有固定数量的标签，但是我的数据有无限多的标签(如果我们把图像中的文本看作标签)，所以所有类型都不符合我的要求。我可以使用顶点AI进行训练，如何做到这一点？
浏览 9提问于2022-04-20得票数 1
回答已采纳
1回答
OpenCV Haar级联分类器似乎使用24x24张人脸图像作为其正面训练数据。关于这一点，我有两个问题：
在选择训练图像大小时，除了较大的训练图像需要更多的处理外，还有什么考虑因素？
对于非方形图像，选择将一个维度保持在24 as，并在必要时展开另一个维度(例如100-200 as)。这是正确的策略吗？
如何决定训练图像的大小(这是问题1的一个变体)
浏览 7提问于2013-05-30得票数 5
回答已采纳
据我所知，单类支持向量机是在没有目标/标签数据的情况下进行训练的.
的一个答案是，当分类器是OneClassSVM时，将目标/标签数据传递给GridSearchCV的fit方法。
GridSearchCV方法如何处理这些数据？
它实际上是在没有目标/标签数据的情况下训练OneClassSVM，而只是使用目标/标签数据进行评估吗？
我试着跟踪，但是我找不到答案。
浏览 4提问于2019-10-01得票数 5
回答已采纳
我绘制了我的数据的滚动相关图，发现我的一些因变量和目标变量的相关性在一小段时间内从高度正变为负，然后恢复正常。我想要做的是从我的线性回归模型中删除特定时间段的这些变量，并在它们的相关性恢复正常时将它们添加回来。
因此，我认为这相当于训练几个不同的模型，然后将它们组合在一起。有谁知道如何实现这一目标吗？
浏览 0提问于2017-08-12得票数 0
我正在尝试用Google Cloud的Automl服务训练一个对象检测模型。我已经加载了我的数据集，并收到一条消息： You have enough images to start training 因此，我在数据集上设置了我的训练，几分钟后我收到一条错误消息： Error: Failed to train model. 当我点击详细信息时，我得到： Error details
Operation ID:
projects/<redacted>/locations/us-central1/operations/<redacted>
Error Message
浏览 12提问于2020-10-14得票数 0
回答已采纳
我的数据集是形状2300 x 35加上目标变量。我所有的列都是object数据类型，它包括数值和分类值，所以我在整个数据集上运行了labelencoding。所以，我不确定这是否会是问题所在。
我运行了Logistic Regression，我得到了99%的准确率。这怎么可能呢？我能做错什么呢？(从训练和测试集中删除目标列)
只有当我将训练数据减少到5%以下，而不知道发生了什么时，准确率才会下降。
浏览 0提问于2018-03-14得票数 0
2回答
我尝试使用sift进行目标分类，使用普通的贝叶斯Classifier.When，我计算每个不同大小的图像的描述符，得到不同大小的特征向量。例如：
Feature Size: [128 x 39]
Feature Size: [128 x 54]
Feature Size: [128 x 69]
Feature Size: [128 x 64]
Feature Size: [128 x 14]
至于开发，我使用了20个训练图像，因此我有20个标签。我的分类只有3个类别，包括汽车，书籍和球。所以我的标签向量大小是1 x 20
据我所知，要执行机器学习，特征向量大小和标签向量大小应该相同，
浏览 1提问于2013-07-17得票数 3
1回答
我正忙着测量一个物体探测器的预测结果。我从一些教程中了解到，在测试经过训练的对象检测器时，对于测试映像中的每个对象，提供了以下信息：
<object>
<name>date</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>451</xmin>
浏览 1提问于2019-06-21得票数 0
回答已采纳
我正在尝试理解如何训练一个普通的线性整流器单元(不是漏电的单元，等等)。由于当输入的加权和<0时，其导数为0，因此其训练规则将表明，如果输入的加权和< 0，则权重的变化(对于任何权重)为0。那么，如果它一开始就没有为输入输出正值，那么它如何学会为特定输入输出正值呢？
直观地说，如果输出为0，目标为1，那么您将希望增加非零输入的权重。但我不明白如何从梯度的角度来解释这一点。
浏览 3提问于2016-08-02得票数 2
2回答
我正在训练一个目标探测器，我执行了评估任务。我在张板上看到了一些图表。在张流板中，什么是DetectionBoxes/AR@10 vs AR@100 vs @100(Medium)，如图所示。mAP(大型)、mAP(中型)、mAP(小)、mAP(0.50IOU)和mAP(0.75IOU)之间的区别是什么？请帮帮忙，我对此很陌生，谢谢。
浏览 0提问于2018-08-29得票数 15
回答已采纳
我最近读了一篇名为“使用深度神经网络进行政治图像分析”的论文，其中作者对图像进行了目标检测。在检测到对象之后，发现对象的字符串(如果它满足一定的概率阈值)被用作训练和测试图像类的随机森林分类器的特征。从论文中，他们试图根据在图像中发现的物体将图像分类为来自共和党或民主党参议院议员。
我正在尝试重新创建类似的东西，但我在寻找实现随机森林的第二个组件时遇到了麻烦。我能够成功地使用两个对象检测组件在图像上运行对象检测，但我在如何将这些组件提供给随机森林的计划中遇到了麻烦。
以下是我的数据框中的特征，为了简单起见，我只是将其分解为一些变量，其中-1,0,1的标签是我想要的标签。
labels_res
浏览 1提问于2019-04-08得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
