返回边界框的坐标Google的Object Detection API

Question

如何使用Google的Object Detection API的推理脚本获取生成的边界框的坐标？我知道打印框[0] [i]返回图像中第i个检测的预测但这些返回数字的含义究竟是什么？有没有办法可以得到xmin，ymin，xmax，ymax？提前谢谢。

Answer 1

Google Object Detection API以[ymin，xmin，ymax，xmax]格式和标准化格式（完整说明here）返回边界框。要找到（x，y）像素坐标，我们需要将结果乘以图像的宽度和高度。首先得到图像的宽度和高度：

width, height = image.size

然后，从boxes对象中提取ymin，xmin，ymax，xmax并乘以得到（x，y）坐标：

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

最后打印方框角的坐标：

print 'Top left'
print (xmin,ymin,)
print 'Bottom right'
print (xmax,ymax)

Answer 2

您提到的box数组包含此信息，格式为[N，4]数组，其中每行的格式如下： 相对于输入图像大小的标准化坐标中的[ymin，xmin，ymax，xmax]。