LatornLatorn
Войти

Computer Vision на Python: рамки, маски и проверка инференса

Детектор вернул рамки, но их ещё нужно перенести на исходный кадр, убрать дубли и оценить совпадение с разметкой. В сегментации похожая работа начинается с масок: важно правильно посчитать пересечения и обработать отсутствующие классы.

Здесь вы напишете небольшие функции для геометрии рамок, Dice и mIoU, NMS и преобразования letterbox. Отдельные задания помогут разобрать порядок каналов изображения, утечки между выборками, порядок чтения OCR и перцентили инференса после прогрева.

Входы уже подготовлены: списки пикселей, координат, имён или замеров. Загружать изображения, скачивать веса и вызывать внешний API не требуется. Прочитайте контракт конкретной задачи и верните результат указанной функцией.

Задачи с проверкой

  1. Кадр в памяти: форма, размер и BGR → RGB на Python
  2. Dice для бинарных масок: задача на Python
  3. mIoU многоклассовой маски: расчёт на Python
  4. Перцентили инференса после прогрева: задача Python
  5. Площадь рамки после resize с сохранением пропорций
  6. Утечка между train и validation: найти копии по имени
  7. Рамка после поворота кадра: пересчёт координат Python
  8. Кроп и min_visibility: обновить рамки на Python
  9. NMS на Python: выбрать рамки одного класса
  10. NMS по классам: индексы и порядок ответа Python
  11. Порядок чтения двухколоночной страницы: задача Python
  12. Letterbox: вернуть рамки в координаты исходного кадра

Продолжите работу над проектом

Откройте программу платного курса «Computer Vision Engineer: от детекции и Doc-AI до продакшна». Выберите раздел под свою задачу и продолжите практику в системной программе.

Если сначала нужен разбор на небольшом примере, прочитайте, как восстановить рамки после letterbox, почему расходится IoU масок и как разделять кадры по съёмочным сессиям.