Question

cap = VideoStream().start()
while True:
            frame=cap.read()
            Detect = detection_method(frame)
            if detect:
                Predict_label=function(recognize)
            (Step 4)#Do somthing on this predict_label

cv2.destroyAllWindows()
vs.stop()   
Label is for example:unknown,cat,dog,panda,...

在上面显示的代码中，我捕获了相机的帧并使用一种检测方法识别了这些对象，并对这些对象进行了预测，并在识别出这些对象时（例如，相应的图像）进行了预测我展示的那些对象。我的问题是，如果标签第一次是“狗”，那么系统会再次尝试识别对象并预测标签，如果第二次检测到“狗”，让我们继续运行步骤4，否则，请继续执行步骤4无法执行。我该怎么办？我的最终目标是降低模型的敏感性。我想到的是计算模型两次预测标签的次数，但我无法实现。

Answer 1

您想要的是一个有状态的系统，因此您必须存储以前的状态，以便能够在每次检测到某件事时决定要做什么。

例如，您可以使用collections.deque来实现，请参见doc：

cap = VideoStream().start()
previous_detections = collections.dequeue(maxlen=5) # adapt for your own purposes
while True:
        frame = cap.read()
        detection = detection_method(frame)
        previous_detections.append(detection) # store the detection
        if detection:
            # use all previous states for your own logic
            # I am not familiar with opencv so this will likely not work, consider it pseudo-code
            # this is supposed to check if all previous known detections are the same as the current one
            if all(previous_detection == detection for previous_detection in previous_detections):
                predict_label = function(recognize)
                (Step 4)#Do somthing on this predict_label

cv2.destroyAllWindows()
vs.stop()

计算模型连续预测相同标签的次数

1 个答案: