Question

我训练了一个CNN模型，其准确度接近0.93。已使用 The Street View House Numbers (SVHN) Dataset进行了训练，该{{3}}由10个类别组成，代表10个数字（0-9）

我使用的数据集由32x32张图片组成，这些图片的大小调整为227x227，这是设计模型的形状。要检测边界框，我是：

将图像调整为1/4 *高度，1/4 *宽度
生成4个级别的图像金字塔
移动滑块并使用模型进行检测，并将输入作为滑块窗口

这是我的操作方式：

def pyramid(image):
    pyr = [image]
    pd = image

    for i in range(4):
    pdown = cv2.pyrDown(pd)
    pd = pdown
    pyr.append(pdown)

    return pyr

window = (48,48)
stride = (4,4)

def slider():
    for row in range(0, img.shape[0], stride[1]):
        for col in range(0, img.shape[1], stride[0]):
            # yield the current window
            yield (col, row, img[row:row+window[0], col:col+window[1]])

方法pyramid最多生成4个金字塔。方法滑块以4x4的步幅移动滑动窗口48x48。这是我使用它们进行预测的方式：

l = 1
loaded_model = keras.models.load_model("model.hdf5")
for resized in pyramid(img):
    img = resized
    i = 0
    for (x, y, win) in slider():
        i = i + 1
        if win.shape[0] != window[0] and win.shape[1] != window[1]:
            continue

        winc = np.copy(win)
        win = cv2.resize(win, (227,227))
        win = win.astype('float32') / 255.
        proba = loaded_model.predict_proba(np.expand_dims(win, axis = 0))
        _class = loaded_model.predict_classes(np.expand_dims(win, axis = 0))
        #print("Max: ", np.max(proba))
        if np.max(proba) >= 0.93:
        filename = "win/{}-{}-{}.png".format(str(l), _class[0], str(round(np.max(proba), 2)))
        cv2.imwrite(filename, winc)

    l = l + 1
    print(resized.shape)

我过滤了图像，其中检测到的类别的概率大于0.93，但仍然会生成很多类别。我不确定如何使用此方法生成边界框。您有什么方法可以建议如何使用我训练有素的CNN获得边界框吗？

如何使用训练有素的CNN获得正确的边界框

0 个答案: