faster R-CNN中anchors 的生成过程代码

2023-05-16

import numpy as np


def _whctrs(anchor):
    """
    将 anchor 四个坐标的形式 转化成 (宽,高,中心点横坐标,中心点纵坐标)的形式
    Return width, height, x center, and y center for an anchor (window).
    """
    w = anchor[2] - anchor[0] + 1   # 宽   图像坐标 从 0开始;
    h = anchor[3] - anchor[1] + 1   # 高
    x_ctr = anchor[0] + 0.5 * (w - 1)
    y_ctr = anchor[1] + 0.5 * (h - 1)
    return w, h, x_ctr, y_ctr


def _mkanchors(ws, hs, x_ctr, y_ctr):
    """
    针对 一个anchor
    将 (宽,高,中心点横坐标,中心点纵坐标) 的形式 转化成 四个坐标值的形式
    :return:
    """
    left = x_ctr - (ws - 1) * 0.5
    top = y_ctr - (hs - 1) * 0.5

    right = x_ctr + (ws - 1) * 0.5
    bottom = y_ctr + (hs - 1) * 0.5

    return [left, top, right, bottom]  # 四个坐标的形式


def _mkanchors_list(ws, hs, x_ctr, y_ctr):
    """
    :param ws: list
    :param hs: list
    :param x_ctr: float
    :param y_ctr: float
    :return:
    """
    anchors_list = []
    for i in range(len(ws)):
        anchors_list.append(_mkanchors(ws[i], hs[i], x_ctr, y_ctr))

    return np.array(anchors_list)


def _scale_enum(anchor, scales):
    """
    针对的 是 一个 anchor
    Enumerate a set of anchors for each scale wrt an anchor.
    """

    w, h, x_ctr, y_ctr = _whctrs(anchor)
    ws = w * scales
    hs = h * scales
    anchors = _mkanchors_list(ws, hs, x_ctr, y_ctr)

    return anchors


def _ratio_enum(anchor=np.array([0, 0, 15, 15]), ratios=[0.5, 1, 2]):
    """
    :param anchor: base anchor 坐标 左上角 坐标, 右下角坐标 形式;
    :param ratios:
    :return:
    """
    w = anchor[-2] - anchor[0] + 1
    h = anchor[-1] - anchor[1] + 1
    print(w, h)
    anchor_size = w * h  # 256    # anchor 长宽比(aspect ratio) 变换方法
    size_ratio = anchor_size / ratios   # [512. 256. 128.]
    # print(size_ratio)
    # size 开方 求的 三种比例的 宽度, 然后在按比例 求的 高度
    ws = np.round(np.sqrt(size_ratio))   # [23. 16. 11.]
    # print(ws)
    hs = np.round(ws * ratios)   # [12. 16. 22.]
    # print(hs)
    # 预测窗口(四个坐标)
    # 返回窗口坐标(左上角坐标, 右下角坐标)

    # 按比例变换之后, 上下角坐标 就变了,要计算 原来的中心点坐标, 再根据 原来中心坐标计算 上下角坐标;
    w, h, x_ctr, y_ctr = _whctrs(anchor)
    anchors = _mkanchors_list(ws, hs, x_ctr, y_ctr)  # 根据中心点坐标,计算 左上角 和 右下角坐标;
    print("_ratio_enum anchors")
    print(anchors)
    return anchors


def generate_anchors1(base_size=16, ratios=[0.5, 1, 2], scales=2 ** np.arange(3, 6)):
    base_anchor = np.array([1, 1, base_size, base_size]) - 1   # top left bottom right
    print(base_anchor)   # [ 0  0 15 15]     坐标(0, 0), 长宽(16, 16)
    print(type(base_anchor))
    """
    aspect ratio 长宽比 变换 3个; base_anchor, ratios
    """

    ratio_anchors = _ratio_enum(base_anchor, ratios)  # 一个变换成 3个   数组(3, 4)
    print("anchors after ratio \n", ratio_anchors)

    anchors = np.vstack([_scale_enum(ratio_anchors[i, :], scales) for i in range(ratio_anchors.shape[0])])
    print("achors after ration and scale \n", anchors)
    return anchors


if __name__ == '__main__':
    import time
    t = time.time()
    a = generate_anchors1()
    print(time.time() - t)
    # print(a)

参考自:faster R-CNN中anchors 的生成过程(generate_anchors源码解析)

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

faster R-CNN中anchors 的生成过程代码 的相关文章

  • 基于深度学习的视频检测(三) 目标跟踪

    搭建环境 Ubuntu16 04 43 CUDA9 43 cudnn7 43 python3 5 43 源码编译Tensorflow1 4 43 opencv3 3 基于 darkflow yolo v2 和 sort deep sort
  • 基于深度学习的视频检测(六) 行人计数,监控视频人员管理

    搭建 darkflow与 sort deep sort 环境 修改 darkflow net yolov2 predict py span class hljs keyword import span numpy span class hl
  • C++面试 设计模式之单例模式(C++11)

    单例模式 确保一个类只有一个实例 xff0c 并提供了一个全局访问点 单例模式 xff0c 可以说设计模式中最常应用的一种模式了 xff0c 据说也是面试官最喜欢的题目 但是如果没有学过设计模式的人 xff0c 可能不会想到要去应用单例模式
  • 异常检测 Deep One-Class Classification

    ICML 2018 参考 https www zhihu com question 22365729 answer 115048306 https zhuanlan zhihu com p 32784067 https blog csdn
  • TensorFlow和Keras解决数据量过大内存溢出

    将上万张图片的路径一次性读到内存中 xff0c 自己实现一个分批读取函数 xff0c 在该函数中根据自己的内存情况设置读取图片 xff0c 只把这一批图片读入内存中 xff0c 然后交给模型 xff0c 模型再对这一批图片进行分批训练 xf
  • LQ-Nets: Learned Quantization for Highly Accurate and Compact Deep Neural Networks

    ECCV 2018 ABSTRACT 虽然权重和激活值的量化是深度神经网络 xff08 DNN xff09 压缩的有效方法 xff0c 并且具有很大的潜力来提高利用位操作的推理速度 xff0c 但是在量化模型和full precision模
  • 关于事件的理解

    以前的时候 xff0c 事件这个东西虽然说是经常用 xff0c 但是没有真正意义上去理解它 xff0c 为什么要用事件 xff0c 事件有什么好处 xff0c 明明可以直接用方法实现为什么还要去用事件 xff0c 说到底 xff0c 事件就
  • Maven打包常见问题

    Maven打包常见问题 1 Maven 打包时 无法将scope为system的jar文件打包进war和jar中 分析问题 通过对maven打包的生命周期进行分析 在package阶段未将scope为system的jar打包到war或者ja
  • VS2015 无法启动程序“***\\***.exe” 系统找不到指定的文件

    问题 xff1a 无法启动程序 exe 系统找不到指定的文件 解决方案 xff1a 将链接器 gt 常规 gt 输出文件中的内容手动改为 OutDir Target Name TargetExt 或者选择 lt 从父级或项目默认设置继承 g
  • VS2015 MFC 类向导 “未将对象引用设置到对象的实例”

    问题描述 xff1a MFC工程跨机器移动后 xff0c 使用类向导 xff0c 提示 34 未将对象引用设置到对象的实例 34 解决方法 xff1a 删除MFC工程中的 vs目录
  • qt 编译运行步骤

    1 先qmake 由 pro文件生成Makefile文件到构建目录 xff0c makefile文件保存了编译器和连接器的参数选项 还表述了所有源文件之间的关系 源代码文件需要的特定的包含文件 可执行文件要求包含的目标文件模 块及库等 构建
  • VS2015 插件

    Visual Assist 代码颜色 xff0c 关键字高亮 Inden Guides Mode 缩进辅助线 FeinBrace 括号跳转 Toggle Comment 快速注释 解除注释
  • VS内存泄漏定位方法

    内存泄漏检测宏定义 ifdef DEBUG define DEBUG CLIENTBLOCK new CLIENT BLOCK FILE LINE else define DEBUG CLIENTBLOCK endif DEBUG defi
  • tar: 由于前次错误,将以上次的错误状态退出

    问题描述 tar cvfz test tar gz test tar test tar gz xff1a 无法 stat 没有那个文件或目录 test rwt tar 由于前次错误 xff0c 将以上次的错误状态退出 原因分析 xff1a
  • VSCode登录Microsoft账户无效

    现象 经过上述两步 xff0c 并没有弹出登录界面 解决方法 xff1a 使用腾讯电脑管家 电脑诊所 IE浏览器出错崩溃 修复后重新执行上述两步 xff0c 可以正常登录
  • Qt munmap_chunk(): invalid pointer

    现象 xff1a 软件退出时报munmap chunk invalid pointer 产生原因 xff1a 单例了窗口采用的静态变量写法 并且把单例的窗口添加到了另一个窗口中 软件退出时 xff0c 父窗口析构了单例的窗口 Qt的对象管理
  • node.js 跨域访问

    配置 node js http server启动方式 http span class token operator span server span class token operator span p span class token
  • Linux修改系统编码方法总结

    Linux系统安装后 xff0c 发现中文显示乱码 因为系统编码为en US UTF 8 xff0c 应改为支持中文的编码 xff08 即zh CN UTF 8 xff09 检查系统编码 英文环境如下 xff1a root 64 local
  • std::cout输出十六进制数据

    std vector lt uint8 t gt data 0x11 0x22 0x33 0x99 0xff std ofstream ofs 34 test txt 34 std ios app for int i 61 0 i lt d
  • ubuntu 缺少lsusb lspci insmod等

    lsusb gt usbutils lspci gt pciutils insmod gt module init tools

随机推荐

  • hexo知识点

    配置环境 安装Node xff08 必须 xff09 作用 xff1a 用来生成静态页面的 到Node js 官网下载相应平台的最新版本 xff0c 一路安装即可 安装Git xff08 必须 xff09 作用 xff1a 把本地的hexo
  • 安装Ubuntu下的开发工具

    安装Ubuntu下的开发工具 安装Ubuntu下的开发工具 刚安装好的Ubuntu xff0c 还缺乏很多开发工具 这些工具都可以通过网络进行安装 如果网络不佳 xff0c 也可以使用光盘中的工具包 如果要使用光盘中的工具包 xff0c 先
  • 基于深度学习场景分类算法

    目前出现的相对流行的场景分类方法主要有以下三类 xff1a xff08 1 xff09 基于对象的场景分类 xff1a 这种分类方法以对象为识别单位 xff0c 根据场景中出现的特定对象来区分不同的场景 xff1b 基于视觉的场景分类方法大
  • Linear Discriminant Analysis(LDA)

    好久没有整理最近的一些算法了 xff0c 今天趁着跑数据的过程整理一下LDA算法 该算法在很多地方都有使用 xff1a 语音识别 xff0c 说话人识别等等 xff0c 那么今天在这里就为大家详细介绍一下 xff0c 最终把matlab代码
  • MuQSS调度器之设计文档(一)

    MuQSS调度器之设计文档 准备分析Multiple queue skiplist scheduler调度器的实现 此篇是第一篇 本文翻译自sched MuQSS txt文档 很多还没搞懂 xff0c 需要去分析下代码 涉及很多操作系统基础
  • Arcgis Engine中检索 COM 类工厂中 CLSID 为{*} 的组件失败,原因是出现以下错误: 80040111 的解决方法

    最近在学习Arcgis Engine开发时 xff0c 创建实例时经常会出现下列错误 网上搜索到的解决办法有两种 xff1a 1 操作系统版本问题 如果是在Win7 64版本下 xff0c 可能出现该问题 xff0c 需要将把配置管理器里的
  • Ubuntu Server 14.04部署ONOS

    参考官网 xff1a https wiki onosproject org display ONOS Installing 43 and 43 Running 43 ONOS 由于笔者习惯ssh xff0c ubuntu默认没有开启ssh
  • Liunx系列-用户和权限

    rw r r 表示文件类型rw rw 表示文件所有者对文件的权限r r 表示文件所在组对该文件的权限r r 表示其他组对该文件的权限 r表示可读 xff0c 用数字4表示w表示可写 xff0c 用数字2表示x表示可执行 xff0c 用数字1
  • .net core程序发布部署

    发布后的包才能往IIS上放 xff0c 并且必选安装IIS模块里面的服务 xff08 AspNetCoreModuleV2 xff09
  • webapi 内使用jsonp方式(jQuery)

    前端部分代码 后端部分代码 xff1a HttpGet Route 34 ListenExport 34 public HttpResponseMessage ListenExport string url 61 HttpContext C
  • 微信 {"errcode":48001,"errmsg":"api unauthorized, hints: [ req_id: 1QoCla0699ns81 ]"}

    34 errcode 34 48001 34 errmsg 34 34 api unauthorized hints req id 1QoCla0699ns81 34 声明 xff1a 是已认证的服务号 这个问题已解决 xff01 xff0
  • DotNet Core5000端口无法绑定解决方案(Unable to bind to http://localhost:5000 on the IPv6 loopback interface)

    解释 xff1a 5000端口不能够绑定 xff0c 所以绑定到其他端口进行Nginx反向代理 解决方案 第一步 添加host json 34 server urls 34 34 http 8010 34 第二步 centos发布DotNe
  • CentOS服务器署Springboot的java项目最简单操作步骤

    CentOS服务器署Springboot的java项目最简单操作步骤 准备工作 1 首先本地有一个能跑起来正常的 java 项目的 jar 包 2 有一个前端项目 可以仅是一个 index html 文件 3 需要备案好的域名 可选 否则只
  • SQL Server 定时备份

    前言 由于公司的业务需求 xff0c 防止数据丢失 xff0c 防止意外发生 所以需要备份 xff0c 之前没搞过这玩意儿 xff0c 所以自己动手先练习一下 开始 启动SQL Server 代理服务 xff08 确保SQL Server
  • SSIS数据定时同步方案

    第一次接触到SSIS xff0c 借此机会学习一下 SSIS是Microsoft SQL Server Integration Services的简称 xff0c 是生成高性能数据集成解决方案 xff08 包括数据仓库的提取 转换和加载 E
  • SQL Server数据库同步Oracle数据

    第一步 配置Oracle服务 电脑上需要安装Oracle客户端 xff08 因为需要Oracle的驱动 xff09 Oracle win64 11gR2 client 配置Oracle服务 第二步 配置SQL Server链接服务器 xff
  • SR04声波传感器原理详解及其Arduino编程——人人都能玩硬件

    通过前两篇文章 xff0c 我们已经熟悉了Arduino的基本GPIO编程和PC与Arduino的串口通信 接下来我们将开始一边学习各种传感器操作 xff0c 一边深入学习Arduino编程 再开始编程之前 xff0c 首先我们需要熟悉SR
  • 从UV位置图获得3D人脸

    1 这部分主要写从UV位置图获得3D人脸 xff0c 并不包括如何产生UV位置图 我已经获取一张图片的UV位置图 xff0c 如下图 xff1a xff08 a 裁剪后的人脸区域 xff09 xff08 b UV位置图 xff08 仅用来展
  • Ubuntu matplotlib 中文乱码问题

    1 下载字体 Microsoft YaHei 放到 matplotlib库文件夹字体下 lib python3 6 site packages matplotlib mpl data fonts ttf 自己的机器上路径 自己更改 字体下载
  • faster R-CNN中anchors 的生成过程代码

    import numpy as np def whctrs anchor 34 34 34 将 anchor 四个坐标的形式 转化成 宽 xff0c 高 xff0c 中心点横坐标 xff0c 中心点纵坐标 的形式 Return width