Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Visualization #46

Open
SATURN2021 opened this issue Jun 6, 2023 · 5 comments
Open

Visualization #46

SATURN2021 opened this issue Jun 6, 2023 · 5 comments

Comments

@SATURN2021
Copy link

作者您好!请问如何生成目标的检测框的可视化?inference中的bbox.json应当如何运用呢?

@wymanCV
Copy link
Contributor

wymanCV commented Jun 6, 2023

您好,谢谢对我们工作的关注。

我之前使用这个工具可视化预测框的,只需要收集inference产生的bbox.json 文件(包含每张图片的类别以及box结果),配合这个工具就可以可视化。

@SATURN2021
Copy link
Author

好的,感谢作者的回复!

@SATURN2021
Copy link
Author

作者您好!通过研究您的代码,看到vis_tools.py里面有和t-SNE有关的内容,但不太清楚应该如何使用?期待您的回复!

@wymanCV
Copy link
Contributor

wymanCV commented Jun 27, 2023

作者您好!通过研究您的代码,看到vis_tools.py里面有和t-SNE有关的内容,但不太清楚应该如何使用?期待您的回复!

您好,抱歉那个文件不是我们最终使用的工具。我们是通过以下几个步骤操作的:

1、首先在源域和目标域的gt框内按类别采样特征点(可以直接用我们的node 采样的接口,尝试不同位置的node特征),并且存下来
2、用sklearn中的TSNE对采样的所有node特征一起降维到2维
3、用不同颜色绘制不同类别的点,观察不同类别特征分布情况

另外,我们提供了更复杂的可视化过程在 issue

@SATURN2021
Copy link
Author

好的,十分感谢作者回复!!

@wymanCV wymanCV mentioned this issue Mar 2, 2024
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Labels
None yet
Projects
None yet
Development

No branches or pull requests

2 participants