文档首页 > > 开发指南> 难例上传模块> 难例上传介绍及说明

难例上传介绍及说明

分享
更新时间:2020/09/21 GMT+08:00

1.1.2固件版本开始支持边缘AI难例发现算法,如果要使用难例上传相关接口,请先升级固件版本到1.1.2,详情请见升级固件版本

当前主要支持的难例发现算法如下。

  • 图片分类

    CrossEntropyFilter(threshold_cross_entropy)

    原理: 根据推理结果的交叉熵,判断熵是否小于交叉熵,小于则为难例。

    输入: 推理结果prediction classes list,例如[class1-score, class2-score, class2-score,....],类别得分的范围需要为[0,1]。

    输出: True or False,True是难例,False是非难例。

  • 目标检测

    IBT (image-box-thresholds)

    原理:box_threshold框阈值用于计算图片难例系数,推理结果的置信度得分小于阈值的数量占总输出推理框的百分比;img_threshold图阈值用于判断该图片是否是难例。

    输入: prediction boxes list,,例如[bbox1, bbox2, bbox3,....],其中bbox = [xmin, ymin, xmax, ymax, score, label]score的范围需要为[0,1]。

    输出: True or False,True是难例, False是非难例。

    CSF(confidence score filter)

    原理:box_threshold_lowbox_threshold_up框阈值用于判断该图片是否是难例,方法是只要有一个输出框置信度得分在区间[box_threshold_low, box_threshold_up],就判断该图片是难例。

    输入:prediction boxes list,,例如[bbox1, bbox2, bbox3,....],,其中bbox = [xmin, ymin, xmax, ymax, score, label]score范围为[0,1]。

    输出:True or False, True是难例, False是非难例。

分享:

    相关文档

    相关产品

文档是否有解决您的问题?

提交成功!非常感谢您的反馈,我们会继续努力做到更好!
反馈提交失败,请稍后再试!

*必选

请至少选择或填写一项反馈信息

字符长度不能超过200

提交反馈 取消

如您有其它疑问,您也可以通过华为云社区问答频道来与我们联系探讨

智能客服提问云社区提问