caffe目标检测模型训练全过程（三）目标检测第一步

遍历整图查找蝴蝶位置

2018/04/22

训练模型对于识别背景和蝴蝶有比较好的效果，基本对不会识别错误，接下来，将通过整图遍历的原始而又野蛮的方式对一张原始图片进行处理，进而查找到蝴蝶的具体位置。具体思路如下图。对原图进行缩放成理想大小，例如，

最小边长缩放为227*6像素，最大边长等比缩放：

设置滑动窗大小为227*227像素

设置滑动窗移动步长为

# 自动step_size

scale =min(img.shape[0],(227*6.0)/img.shape[1])*1.0

step_size = int(min(img.shape[0]*scale,img.shape[1]*scale))/20

print("scale",img.shape[0]*scale,img.shape[1]*scale)

#resize image

scale_img = cv2.resize(img,((int(img.shape[1] * scale), int(img.shape[0] * scale))))

 

然后通过模型预测每个滑动框的类别，若是蝴蝶（类别1）的概率大于99%，则记录滑动框位置，其后绘制在图片上

具体代码：

# 自动step_size

        scale =min(img.shape[0],(227*6.0)/img.shape[1])*1.0

        print(scale)

        

        step_size = int(min(img.shape[0]*scale,img.shape[1]*scale))/20

        print("scale",img.shape[0]*scale,img.shape[1]*scale)

        #resize image

        scale_img = cv2.resize(img,((int(img.shape[1] * scale), int(img.shape[0] * scale))))

        temp2=scale_img[:]

        print(scale_img.shape,temp2.shape,img.shape)

        

        

        while x+227 < img.shape[0]*scale:

            while y+227 <