如何从tensorflow中选择用于对象检测的边界框的坐标

Question

我正在尝试使用object_detection from tensorflow library来检测彩色方块。对于train-eval-dataset中的每个图像，我应该有关于bounding box coordinates (with origin in top left corner) defined by 4 floating point numbers [ymin, xmin, ymax, xmax]的信息。现在，让我们假设background_image是完全白色的图像300 x 300px。我的图像生成器的代码看起来像这样（伪代码）：

new_image = background_image.copy()
rand_x, rand_y = random_coordinates(new_image)
for (i = rand_x; i < rand_y + 100; ++i)
    for (j = rand_y; j < rand_y + 100; ++j)
        new_image[i][j] = color(red)

...所以现在我们在白色背景上有300 x 300px的红色正方形图像100 x 100px。问题是 - 我的边界框应该只包含红色像素[rand_x，rand_y，rand_x + 100，rand_y + 100]还是应该包含像[rand_x - 5，rand_y - 5，rand_x + 105，rand_y +这样的“白框” 105]？也许没关系？经过15小时的训练和评估（边界框坐标= [rand_x，rand_y，rand_x + 100，rand_y + 100]）张量板显示我这样的事情：

Tensorboard表示精确度约为0.1。

我很清楚，仅仅1100步之后，结果就不会令人叹为观止。我只是想排除因我的错误导致的潜在不准确。

Answer 1

理想情况下，您希望预测的框完全与地面实况框重叠。

这意味着如果A = [y_min, x_min, y_max, x_max]是基础事实框，您希望B（预测框）等于A =＆gt; A=B。

在火车阶段完全正常，你的预测是＆＃34;周围＆＃34;事实并非如此。

实际上，即使在测试阶段（在火车末端）A=B也很难实现，因为每个分类器/回归器都不完美。

简而言之：您的预测看起来很好。随着更多的火车时代，你可能会得到更好的结果