电子签名在线-hisreef.com

google seo -> telegram: @ehseo6

">Newsnet 2022-09-29 13:35
  • home  >   /桐城财滩即房产交易有限公司  >   电子签名在线
  • 温州妇科在线医院 婚姻法律师在线咨询
    戏说乾隆高清在线观看 在线的服务器
    整容 出现双下巴 how about 电子签名在线?
    What's the 电子签名在线 phone number? What is 电子签名在线 contact information ?
    Online consultation 电子签名在线 The picture of the 电子签名在线
    电子签名在线of the video Is 电子签名在线 for real ?
    电子签名在线's website A map of 电子签名在线
    电子签名在线 of tiktok 电子签名在线music
    电子签名在线 of news 电子签名在线app
    电子签名在线company Customer service of 电子签名在线 company

    老电影桥在线播放『网址:ff00.co』国内自拍精品视频在线-F2F4Y5L8-2022-09-29 13:35B c Ny i Az FI

    三年级在线学英语『网址:ff00.co』黑兽在线看-F2F4Y5L8-2022-09-29 13:350prx9u A dm I c

    Table Of Contents
    Table Of Contents

    北京哪儿整容好『网址:ff00.co』伊人在香蕉在线观看-F2F4Y5L8-2022-09-29 13:35U g jE Gfl rf

    在前面的一些章节(如“深度卷积神经网络(AlexNet)”一节至“含并行连结的网络(GoogLeNet)”一节)中我们介绍了诸多用于图像分类的模型。在图像分类任务里,我们假设图像里只有一个主体目标,并关注如何识别该目标的类别。然而,很多时候图像里有多个我们感兴趣的目标,我们不仅想知道它们的类别,还想得到它们在图像中的具体位置。在计算机视觉里,我们将这类任务称为目标检测(object detection)或物体检测。

    目标检测在多个领域中被广泛使用。例如,在无人驾驶里,我们需要通过识别拍摄到的视频图像里的车辆、行人、道路和障碍的位置来规划行进线路。机器人也常通过该任务来检测感兴趣的目标。安防领域则需要检测异常目标,如歹徒或者炸弹。

    在接下来的“锚框”一节至“区域卷积神经网络(R-CNN)系列”一节里,我们将介绍目标检测里的多个深度学习模型。在此之前,让我们来了解目标位置这个概念。先导入实验所需的包或模块。

    In [1]:
    
    %matplotlib inline
    import d2lzh as d2l
    from mxnet import image
    

    下面加载本节将使用的示例图像。可以看到图像左边是一只狗,右边是一只猫。它们是这张图像里的两个主要目标。

    In [2]:
    
    d2l.set_figsize()
    img = image.imread('../img/catdog.jpg').asnumpy()
    d2l.plt.imshow(img);  # 加分号只显示图
    

    9.3.1. 边界框?

    在目标检测里,我们通常使用边界框(bounding box)来描述目标位置。边界框是一个矩形框,可以由矩形左上角的\(x\)\(y\)轴坐标与右下角的\(x\)\(y\)轴坐标确定。我们根据上面的图的坐标信息来定义图中狗和猫的边界框。图中的坐标原点在图像的左上角,原点往右和往下分别为\(x\)轴和\(y\)轴的正方向。

    In [3]:
    
    # bbox是bounding box的缩写
    dog_bbox, cat_bbox = [60, 45, 378, 516], [400, 112, 655, 493]
    

    我们可以在图中将边界框画出来,以检查其是否准确。画之前,我们定义一个辅助函数bbox_to_rect。它将边界框表示成matplotlib的边界框格式。

    In [4]:
    
    def bbox_to_rect(bbox, color):  # 本函数已保存在d2lzh包中方便以后使用
        # 将边界框(左上x, 左上y, 右下x, 右下y)格式转换成matplotlib格式:
        # ((左上x, 左上y), 宽, 高)
        return d2l.plt.Rectangle(
            xy=(bbox[0], bbox[1]), width=bbox[2]-bbox[0], height=bbox[3]-bbox[1],
            fill=False, edgecolor=color, linewidth=2)
    

    我们将边界框加载在图像上,可以看到目标的主要轮廓基本在框内。

    In [5]:
    
    fig = d2l.plt.imshow(img)
    fig.axes.add_patch(bbox_to_rect(dog_bbox, 'blue'))
    fig.axes.add_patch(bbox_to_rect(cat_bbox, 'red'));
    

    9.3.2. 小结?

    • 在目标检测里不仅需要找出图像里面所有感兴趣的目标,而且要知道它们的位置。位置一般由矩形边界框来表示。

    9.3.3. 练习?

    • 找一些图像,尝试标注其中目标的边界框。比较标注边界框与标注类别所花时间的差异。

    9.3.4. 扫码直达讨论区?

    体彩2码 大乐透第19020期专家预测 今早倍投11选5两小时结果 福彩3d杀号专家软件 福彩3d财子杀码
    类似709彩票平台 体彩排列五更多期次 排列三巫师 山西十一选五官网 排列五近2000期开奖号
    排列三夸度走势 浙江十一选五彩票 大乐透在线转转矩阵 福彩快三最新选号技巧 快三龙虎和
    福彩快三安徽开奖走势图今天晚上 彩票平台669 体彩大乐透开奖结果16059期 大乐透005期专家推荐号码 体彩报福建专刊