#python #conv-neural-network #object-detection #precision-recall
#питон #conv-нейронная сеть #обнаружение объектов #точность-отзыв
Вопрос:
Я новичок в python и CNN. Я обучил классификатор обнаружения объектов для изображений карт с помощью Tensorflow, а затем протестировал его на нескольких изображениях (1000 изображений).
Например, я получил следующие результаты.
**Detection scores and class for Image 1gt; Ace: 99% Jack: 91% Ten: 75% Detection scores and class for Image 2gt; Ace: 69% Jack: 91% Queen : 75% Detection scores and class for Image 3gt; Nine: 99% King: 92% Queen : 68% . . . Detection scores and class for Image 1000gt; Nine: 95% King: 91%Queen : 68%** Как я могу рассчитать среднюю среднюю точность в python и как бы я включил несколько тестовых изображений. Я уже рассчитал баллы для этих нескольких изображений, передавая их одно за другим, но как рассчитать среднюю точность для всех.
Мне нужно составить график результатов.
Мой код для выполнения обнаружения объектов выглядит так:
**
image = cv2.imread(F_filename) image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) #np.float32(image) image_expanded = np.expand_dims(image_rgb, axis=0) # Perform the actual detection by running the model with the image as input (boxes, scores, classes, num) = sess.run( [detection_boxes, detection_scores, detection_classes, num_detections], feed_dict={image_tensor: image_expanded}) # Draw the results of the detection (aka 'visulaize the results') vis_util.visualize_boxes_and_labels_on_image_array(f, image, np.squeeze(boxes), np.squeeze(classes).astype(np.int32), np.squeeze(scores), category_index, use_normalized_coordinates=True, line_thickness=8, min_score_thresh=0.60) ** Комментарии:
1. Не могли бы вы предоставить часть кода, пожалуйста? Какой фреймворк вы используете?
2. Тензорный поток. image_rgb = cv2.cvtColor(изображение, cv2.COLOR_BGR2RGB) image_expanded = НП.expand_dims(image_rgb, ось=0) # выполнить обнаружение, выполнив модель с изображения в качестве входных данных (коробки, оценки, классы, кол-во) = Сэсс.бежать( [detection_boxes, detection_scores, detection_classes, num_detections], feed_dict={image_tensor: image_expanded})
3. Лучше добавить свое объяснение к вашему вопросу, а не в комментарии. Также помогает с планировкой.