保存成功
订阅成功
保存失败,请重试
提交成功

目标检测之 ImgNet、COCO 、VOC 使用方式全解析

¥2会员免费看
苏钢
4.4

在深度学习领域,大家不管是学习还是研究,都离不开开源数据集,特别是 ImgNet、COCO 、VOC 。我发现,很多同学对这些数据集如何使用,还是很陌生,本场 Chat 我们就通过构建一个目标检测模型来学习这些数据集的使用方法,包括以下内容:

  1. 目标检测模型介绍
  2. ImgNet、COCO 、VOC 数据集及其使用方法介绍
  3. 如何在 ImgNet、COCO 、VOC 中挑选自己需要的类别图片
  4. 如何将 ImgNet、COCO 、VOC 中的标签转换成自己需要的标签文件
  5. 如何可视化图片及标签来验证其正确性
  6. 将 ImgNet、COCO 、VOC 的图片及标签整理在一起形成训练集
  7. 使用 Darknet 来训练我们的目标检测模型
  8. 评估我们的目标检测模型 (mAP 指标)
  9. 写一个简单的 Web 页面来演示我们的目标检测模型
131 人已订阅
会员免费看
¥2 原价订阅
查看文章评论/提问
Yip_Z聪14 小时前
解决方法: 两处修改: 1.添加下面的代码到声明coco的下面 def id2name(coco): classes=dict() for cls in coco.dataset['categories']: classes[cls['id']]=cls['name'] return classes allclasses = id2name(coco) #获取对应的coco名称 2.修改代码 obj['name'] = nms 改成 obj['name'] = allclasses[ann['category_id']]
Yip_Z聪17 小时前
这个代码在coco抽取数据集后会出现错误,在一张图里面只会出现一个类,比如说一张图片同时出现dog和person,抽取生成的xml会全部被变成dog标签或person标签
D.4 个月前
新手第一个跑的代码,算是吃过猪肉了,感谢
微信扫描登录
关注提示×
扫码关注公众号,获得 Chat 最新进展通知!
入群与作者交流×
扫码后回复关键字 入群
Chat·作者交流群
入群码
该二维码永久有效
严选标准
知道了
Chat 状态详情
开始预订
预订结果公布19.05.15

预订达标,作者开始写作

审核未达标,本场 Chat 终止

作者文章审核结果公布19.05.29

审核达标,文章发布

审核未达标,本场 Chat 终止

Chat 完结
×
已购列表