目标检测的边框bounding box的三种表示方法
下文内容摘自:目标检测 YOLOv5 常见的边框(bounding box )坐标表示方法
pascal_voc
边框坐标编码是[x_min, y_min, x_max, y_max]
x_min和y_min表示边框左上角坐标,x_max和y_max表示边框的右下脚坐标。
上图例子就是[98, 345, 420, 462]
coco
边框坐标编码是[x_min, y_min, width, height]
表示左上角的坐标以及边框的宽度和高度。
上图例子就是[98, 345, 322, 117]
yolo
边框坐标编码[x_center, y_center, width, height]
这4个值是经过数据规范化(normalized )的。
x_center, y_center表示边框的中心位置, width, height分别表示边框的宽度和高度
边框的宽度是322,高度是117
不规范化是[(98 + (322 / 2)), (345 + (117 / 2)), 322, 117]=[259, 403.5, 322, 117]
规范化方法是[259 / 640, 403.5 / 480, 322 / 640, 117 / 480]
最终结果是[0.4046875, 0.840625, 0.503125, 0.24375].
YOLOv5 用的是yolo的边框表示方法。
标签:
边框
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 阿里最新开源QwQ-32B,效果媲美deepseek-r1满血版,部署成本又又又降低了!
· SQL Server 2025 AI相关能力初探
· 单线程的Redis速度为什么快?
· AI编程工具终极对决:字节Trae VS Cursor,谁才是开发者新宠?
· 开源Multi-agent AI智能体框架aevatar.ai,欢迎大家贡献代码
2020-08-11 转:数据归一化sklearn的minmax_scale()函数解析
2020-08-11 转:scikit-learn数据预处理fit_transform()与transform()的区别
2020-08-11 转:pandas dataframe 提取行和列