最近在做目标检测。要自己做数据集。在对目标进行标注的时候有没有什么规范呀？比如框的尺寸什么的。。应该不是把物体直接框起来就完事了吧~是不是应该有点什么说法呀？
目标检测图像自己标注时有什么规范吗？
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
分享- 邀请回答
-
1条回答 默认 最新
- 2022-04-26 06:39回答 2 已采纳 全部都要标注，如果你的识别任务是识别某一种，只需要标注此种目标，不同类目标不需要标注，望采纳！谢谢
- 2023-01-03 10:10回答 6 已采纳 有几个 Python 库可以帮助实现这个功能： 1、Python 的 difflib 库可以用来比较两篇文章的差异，并生成一个差异报告。 2、Gensim 是一个用于自然语言处理的库，其中包含了一个
- 2021-07-25 15:51回答 2 已采纳 NMS的阈值设置问题了，可以调整一下NMS的阈值或者IoU的阈值试试看下
- 2023-05-10 15:261、资源内容：YOLO目标检测+SSDD遥感检测数据集已标注可以直接使用（1160张图像+对应已标注xml文件）.rar 2、代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3、适用对象：计算机，电子信息...
- 2022-04-17 17:14回答 1 已采纳 这个一般看你的网络需求输入是什么样子的，和你想要的效果是怎么样的。如果你的网络需要line的标签，或者是多边形处理成line的标签，那么直接标注line就行，反之则标注多边形。如果是效果来说，一般你标
- 2021-08-27 16:41回答 1 已采纳 一般来说，数据量的多少是指图片的多少。如果要区别哪一种好，那么也只能说场景不同需求不同。如果本来是目标比较稀少的场景，肯定是前一种情况要好；如果本来场景中目标非常密集，那么第二种情况效果应该要好。所以
- 2022-09-08 22:39回答 5 已采纳 以我的理解，自动标注是根据自然语言加图像数据一起进行描述的过程，大致是先对小批量数据进行手动标注训练，然后再全量生成结果，最后人工纠正。而自动检测是在这个过程之后的，检测分了one stage和two
- 2022-08-09 14:44CUG2的博客 目标检测
- 2022-02-21 10:35回答 1 已采纳 只要标注图片中能看到的即可，深度学习就可以训练识别
- 2023-04-03 11:53回答 1 已采纳 把相同的区域框起来打上“无安全带”的标签；或者，标记整个图片，并打上"无安全带"的标签。 如果答案对您有帮助，望采纳。
- 2022-03-16 23:23回答 3 已采纳 和读取字典一样的格式就是了，json读取完毕就是一整个字典了.给你个大致脚本，如果你自己根据json_dict的key值用字典方式遍历就是了。 import json json_file="1.jso
- 2023-01-24 12:17征途黯然.的博客 近年来，随着python的迅速崛起，人工智能、图像识别、计算机视觉等新兴学科变得火热起来。Python的发展也伴随着它的各种衍生库、衍生编辑器的发展，其中OpenCV是比较经典的一个基于BSD许可（开源）发行的跨平台...
- 2022-04-19 12:03回答 1 已采纳 240就行但是数量有点少，可能训练结果不会很好
- 2019-01-11 17:42Bilychen技术不止于此的博客 深度学习（目标检测。图像分割等）图像标注工具汇总 2018年05月31日 09:21:54 努力努力再努力tq 阅读数：3581 对于监督学习算法而言，数据决定了任务的上限，而算法只是在不断逼近这个上限。世界上最遥远的...
- 2022-11-14 16:21伏 念的博客 目标检测制作数据集时画框的原则
- 没有解决我的问题, 去提问
