Python-OpenCV中的图像轮廓检测
目录 cv2.findContours() 主要记录Python-OpenCV中的cv2.findContours()方法；官方文档； cv2.findContours() 在二值图像中寻找图像的轮廓；与cv2.drawubgContours ...
原文：【python-opencv】绘图（目标检测框及其置信度等）
一些常见的参数，如下所示： img：您要绘制形状的图像 color：形状的颜色。对于BGR，将其作为元组传递，例如： , , 对于蓝色。对于灰度，只需传递标量值即可。 厚度：线或圆等的粗细。如果对闭合图形 如圆 传递 ，它将填充形状。默认厚度 lineType：线的类型，是否为 连接线，抗锯齿线等。默认情况下，为 连接线。cv.LINE AA给出了抗锯齿的线条，看起来非常适合曲线。 要绘制多边形， ...
2020-06-09 12:26 0 1367 推荐指数：
相关推荐
Python-opencv绘制图像检测框和分割区域
图像标注绘制 代码示例 分割代码示例 参考 ...
如何处理 SSD 神经网络在小目标检测数据集上 mAP 和置信度较低的问题
前言 SSD 的神经网络结构很简洁，可以较好的实现多尺度的目标检测，但是对小目标物体的检测效果并不是很好。虽然有很多 SSD 的魔改版本，比如 FSSD 和 DSSD，提高了 SSD 在小目标检测上的表现，但是这里我们只讨论怎么使用 SSD 来更好地检测小目标，尤其是那些特征非常简单的目标 ...
anchor和anchor free方法---关于目标（类别）分类、坐标框回归、置信度处理方法的差异
anchor方法： 代替滑窗方法取到目标周围可能的目标框 通过将真实标注、认为正确的坐标框与预测的结果进行对比、计算损失，损失包括目标类别、目标框位置、特征图相应位置是否有目标，通过将三者的损失进行加权求和反向传播，反向传播求出每一层权重对形成这些误差的贡献（偏导），并进行权重 ...
卡尔曼滤波+单目标追踪+python-opencv
很好的入门资料 向面试官一句话解释卡尔曼滤波： 用上一次的最优状态估计和最优估计误差去计算这一次的先验状态估计和先验误差估计； 用1得到的本次先验误差估计和测量噪声，得到卡尔曼增益； ...
【python-opencv】30-角点检测
【微语】世上有很多不可能，不过不要在你未尽全力之前下结论 特征检测：找到图像特征的技术 特征描述：描述图像特征 Harris角点检测（Corner Detection） 参考： https://docs.opencv.org/3.0-beta/doc/py_tutorials ...
python-opencv的用法
2. 图片写入 3.不同图片质量保存 4.像素操 ...
YOLOv4检测图片添加置信度和计数
主要修改的image.c文件，在darknet目录下直接ctrl+f搜即可，然后打开，找到draw_detections_v3函数，加入用来计数的变量。（我的改法其实有点问题，如果置信度位数过多的话左上角第二行会重复。我懒的研究，直接把置信度位数改小，让第二行盖过它。） ...