Возврат координат для ограничивающих рамок API обнаружения объектов Google

Как я могу получить координаты созданных ограничивающих рамок с помощью сценария вывода Google Object Detection API? Я знаю, что поле печати [0] [i] возвращает прогнозы i-го обнаружения в изображении, но что именно означают эти возвращенные числа? Есть ли способ получить xmin, ymin, xmax, ymax? Заранее спасибо.


object-detection object-detection-api tensorflow
person g.smoother    schedule 04.11.2017    source источник
comment
Если вас устраивает мой ответ, не стесняйтесь отмечать его как принятый.   -  person Gal_M    schedule 20.11.2019

Ответы (2)


arrow_upward
15
arrow_downward

API обнаружения объектов Google возвращает ограничивающие прямоугольники в формате [ymin, xmin, ymax, xmax] и в нормализованной форме (полное объяснение здесь). Чтобы найти координаты пикселей (x, y), нам нужно умножить результаты на ширину и высоту изображения. Сначала получите ширину и высоту вашего изображения:

width, height = image.size

Затем извлеките ymin, xmin, ymax, xmax из объекта boxes и умножьте, чтобы получить координаты (x, y):

ymin = boxes[0][i][0]*height
xmin = boxes[0][i][1]*width
ymax = boxes[0][i][2]*height
xmax = boxes[0][i][3]*width

Наконец, выведите координаты углов коробки:

print 'Top left'
print (xmin,ymin,)
print 'Bottom right'
print (xmax,ymax)
person Gal_M    schedule 03.12.2017
comment
Любое объяснение, почему это делается? Ваша ссылка мертва. Это потому, что входные изображения изменяются до стандартного размера? И что нормализованные координаты полезны для работы с вводом любого размера? - person CMCDragonkai; 08.03.2018
comment
image массив numpy? Если это так, image.size дает количество элементов в массиве, а image.shape дает размеры изображения. Но я думал, что он дает количество строк, а затем количество столбцов для матрицы, то есть height, width = image.shape. - person KolaB; 08.03.2018
comment
@CMCDragonkai, да, в этом есть смысл. Множество масштабирования и изменения размеров в нейронных сетях. - person Gal_M; 11.03.2018
comment
@KolaB Ожидайте, что документация продолжит работу в течение некоторого времени. tensorflow.org/api_guides/python/ - person Gal_M; 11.03.2018
comment
@Gal_M Спасибо за обновленную ссылку. Мой комментарий касался строки в вашем ответе, в которой написано width, height = image.size. Я думаю, это должно быть height, width = image.shape[:2]. Я до сих пор так считаю после прочтения обновленной ссылки. В самом первом разделе «Кодирование и декодирование» говорится, что закодированные изображения представлены тензорами скалярных строк, а декодированные изображения - трехмерными тензорами uint8 формы [height, width, channels]. Было бы здорово, если бы вы могли прояснить, почему вы используете width, height = image.size. - person KolaB; 11.03.2018
comment
Ссылка на документацию мертвая. - person TSR; 28.05.2018
comment
Объект boxes по-прежнему работает? Я не могу найти это. - person Artur Müller Romanov; 06.09.2018

arrow_upward
3
arrow_downward

Упомянутый вами массив блоков содержит эту информацию, а формат представляет собой массив [N, 4], где каждая строка имеет формат: [ymin, xmin, ymax, xmax] в нормализованных координатах относительно размера входного изображения.

person Jonathan Huang    schedule 05.11.2017