『python』電腦視覺_經典目標檢測演算法中的幾個概念

標籤：順序   div   1.5   oat   bre   視窗   大於   ati   python   

影像金字塔

1.在從cv2.resize中，傳入參數時先列後行的

2.使用了python中的產生器，調用時使用for i in pyramid即可

3.scaleFactor是縮放因子，需要保證縮放後的圖不小於最小尺寸，對應神經網路就是訓練尺寸

‘‘‘影像金字塔‘‘‘def resize(img, scaleFactor):    # cv2.resize先接收列後接收行，返回亦然    return cv2.resize(img, (int(img.shape[1] * (1/scaleFactor)),                            int(img.shape[0] * (1/scaleFactor))),                      interpolation=cv2.INTER_AREA)def pyramid(image, scale=1.5, minSize = (200, 80)):    yield image    while True:        image = resize(image, scale)        if image.shape[0]  < minSize[1] or image.shape[1] < minSize[0]:            break        yield  image

 滑動視窗

‘‘‘滑動視窗‘‘‘def sliding_window(image, stepSize, windowSize):    for y in range(0, image.shape[0], stepSize):        for x in range(0, image.shape[1], stepSize):            yield(x, y, image[y:y+windowSize[1], x:x+windowSize[0]])

 非極大值抑制

‘‘‘非極大值抑制‘‘‘def non_max_suppression_fast(boxes, overlapThresh):    # 如果沒有box，返回空list    if len(boxes) == 0:        return []    # 修改boxes的格式為float方便處理    if boxes.dtype.kind == ‘i‘:        boxes = boxes.astype(‘float‘)    # 使用pick收集boxes    pick = []    x1 = boxes[:, 0]    y1 = boxes[:, 1]    x2 = boxes[:, 2]    y2 = boxes[:, 3]    scores = boxes[:, 4]    area = (x2 - x1 + 1) * (y2 - y1 + 1)    # 按照score從小到大的順序排序indexes    idxs = np.argsort(scores) # [::-1]，來源程式有這麼一個逆序，不過我覺得應該去掉    while len(idxs) > 0:        # 分配最後一個（得分最低）index給i，並使用pick收集這個index（即i）        last = len(idxs) - 1        i = idxs[last]        pick.append(i)        # 在得分大於當前i的boxes中，        # 找到重合部分的左上點和右下點        xx1 = np.maximum(x1[i], x1[idxs[:last]])        yy1 = np.maximum(y1[i], y1[idxs[:last]])        xx2 = np.minimum(x2[i], x2[idxs[:last]])        yy2 = np.minimum(y2[i], y2[idxs[:last]])        # 計算上面得到的重合面積        w = np.maximum(0, xx2 - xx1 + 1)        h = np.maximum(0, yy2 - yy1 + 1)        # 計算重合度        overlap = (w * h) / area[idxs[:last]]        # 刪除得分最高的項（迴圈開始已經收集了），        # 刪除        idxs = np.delete(idxs, np.concatenate(([last],                                               np.where(overlap > overlapThresh))))  # [0])))        # 加上索引之後只刪除一個得分最高的過重合矩形，所以不應該加索引    return boxes[pick].astype(‘int‘)

 

『python』電腦視覺_經典目標檢測演算法中的幾個概念