我有一组图像和一些单独的热图数据，它们（不完美地）解释了图像的主题在哪里。热图数据位于形状为 (224,224,3) 的 numpy 数组中。我想根据这个热图数据生成边界框数据。
热图并不总是完美的，所以我想我想知道是否有人能想到一种智能的方法来做到这一点。
以下是我将热图数据应用于图像时发生的一些示例：
我在 matlab 中找到了一个解决方案，但我不知道如何阅读这段代码！不幸的是，我是一名 Python 程序员。 https://github.com/metalbubble/CAM/tree/master/bboxgenerator
有人对如何处理这样的事情有任何想法吗？
【问题讨论】：
标签： python matlab opencv machine-learning computer-vision
这取决于您需要多少个边界框。您可以为每个高度激活的区域设置一个阈值并设置多个边界框，或者尝试连接这些区域（可能通过形态学操作）并为连接的激活像素计算一个边界框。
【讨论】：
我正在尝试一种类似的方法来自动创建边界框（因为，让我们面对现实吧：手动创建框需要时间）
this other stackpost 涵盖了类似的想法： 编辑：（我最初放了一个指向当前堆栈帖子的链接? - 但这是我所指的堆栈帖子） Generating bounding boxes from heatmap data
我认识到手头的问题是热图可能是碎片化的并且有点随意。最初想到的解决方案是设置热图的阈值。因此，在示例热图图像的情况下 - 当应用边界框时，覆盖所有黄色/橙色/红色区域而不是绿色/蓝色区域。
【讨论】：
我不太确定您项目的热图数据到底是什么样子，但在我看来，您可以使用类似Selective Search 的东西。你也可以看看这个interesting paper。也许你可以在你的数据集上使用这种方法。
【讨论】：