问题标签 [faster-rcnn]

我正在训练 Faster-RCNN 进行多类对象检测。我正在使用 matlab 内置函数 trainFasterRCNNObjectDetector 和 alexnet。该代码适用于单个对象，但是当尝试用于多个对象时，它显示“警告：从 3 个训练图像中的 2 个中删除了无效的边界框。trainingData 中的以下行具有无效的边界框数据：”。这是因为有些图像不包含一个类，为此我只放了空括号。

如果我有各种阈值截止的敏感性和特异性值，如何计算 AUC？

我有 100 个阈值的敏感性和特异性值。

1）这是找到AUC的正确方法吗？

2）如果我想绘制 ROC 曲线，这段代码可以吗？

3）是否有一些公式来计算这个 ROC 分析的能力。所以我知道我需要最少的样本来计算 AUC？

我将使用 fast-rcnn 为一个类训练我的数据集。我所有的图像都是 1920x1080 尺寸。我应该调整图像大小或裁剪图像，还是可以用这个大小进行训练？我的对象也非常小（大约 60x60）。

在配置文件中，尺寸写为 min_dimension: 600 和 max_dimension: 1024，因此我很困惑用 1920x1080 大小的图像训练模型。

我有大约2000 X 2000像素的图像。我试图识别的对象尺寸较小（通常在100 X 100像素左右），但它们有很多。

我不想调整输入图像的大小、应用对象检测并将输出重新缩放回原始大小。这样做的原因是我只有很少的图像可以使用，我更喜欢裁剪（这会导致每个图像有多个训练实例）而不是调整到更小的尺寸（这会给我每个原始图像 1 个输入图像）。

是否有用于对象检测的复杂方法或裁剪和重新组装图像，尤其是在对测试图像进​​行推断时？

对于培训，我想我会取出随机作物，并将其用于培训。但是对于测试，我想知道是否有裁剪测试图像的特定方法，应用对象检测并将结果组合回来以获得原始大图像的输出。

目前我研究神经网络。我尝试使用不同的模型来识别人，并遇到了一个对我来说非常有趣的问题。我用的是yolo v3，mask r-cnn，但是从间接角度拍摄的照片中都漏掉了照片中的人。现有模型中哪一个是最准确和最有效的？

我想向profile.runctx Ex发送一批图像

我有一个函数inference，它接受一个序列图像批次作为输入。如何将一系列图像作为参数传递profile.runctx？

这里我使用 mask_rcnn 进行对象检测。代码运行正常，但现在我收到以下错误。

代码 ：

错误消息：
1 处理 1 个图像图像形状：(1123, 1588, 3) 最小值：13.00000 最大值：255.00000 uint8 模塑图像形状：(1, 1024, 1024, 3) 最小值：-123.70000 最大值：150.10000 float64 image_metas 形状：(1, 15) 最小值：0.00000 最大值：1588.00000 float64 锚形状：(1, 261888, 4) 最小值：-0.35390 最大值：1.29134 float32 ------------------------ -------------------------------------------------- -- UnknownError Traceback (most recent call last) in 15 16 # 运行检测 ---> 17 results = model.detect([image], verbose=1) 18 19 # 可视化结果

我有 100 个不同的对象类别，它们有时形状非常相似，但颜色、大小和表面图案不同。任何图像分割算法是否也考虑颜色、大小和图案，或者它们只是查看对象的轮廓？谢谢

我已经在 Keras 中训练了一个 Mask RCNN 的深度学习模型，并导出了一个能够在 Python 中成功运行和测试图像的 ONNX 模型（权重矩阵）。是否有可能通过 Visual Studio 在 Windows 窗体应用程序、C# 中使用相同的 ONNX 模型？如果是，有什么要求？

系统信息：

• Windows 10 企业版 2016 LTSB
• 视觉工作室 2019
• ONNX 运行时版本（您正在使用）：
• 掩码 RCNN，在 ONNX Runtime v0.5.0 中

我和我的伙伴创建了一个修改后的更快的 rcnn 算法，它在测试算法后输出图像时似乎没有任何边界框，但它只输出平均平均精度。到目前为止，我尝试做的是卸载并重新安装 TensorFlow，但问题仍然存在。