新闻详情

新闻详情

首页 / 资讯中心 / 详情

多目标识别框越多越闪:ObjectDetector 复用、IoU 合并与过期结果丢弃

发布时间:2026/11/13 23:59:03来源:尧图网络
多目标识别框越多越闪:ObjectDetector 复用、IoU 合并与过期结果丢弃
多目标识别框越多越闪ObjectDetector 复用、IoU 合并与过期结果丢弃连续选择两张图片做识别第二张已经显示第一张的慢结果却随后覆盖页面另一张商品图同时出现三个高度重叠的框标签不停跳。检测接口给出的是候选结果页面仍要解决异步顺序、重叠候选、阈值和检测器生命周期。验证范围本文依据华为开发者官网截至 2026-09-22 的公开资料整理。当前本机 DevEco SDK 为 API 24且没有连接 HDC 真机涉及 API 26 的接口片段用于说明接入与排障边界不宣称已经完成 API 26 编译或真机验证。文中的时间戳校验、状态机、坐标换算、去重合并与资源预算逻辑已通过 Node.js 宿主测试正式上线仍需在 API 26 SDK 和目标设备上补齐编译、权限、异常分支与性能验收。能力边界先画清楚官方示例为了说明调用链可以在一次按钮操作中创建、处理并销毁 ObjectDetector。产品代码若高频触发需要把“请求属于哪张图”“旧结果是否还能提交”“重叠框如何取舍”明确下来。只按置信度排序后全部画出会把模型候选直接变成视觉抖动。输入中间状态可交付结果PixelMap requestId检测器处理只提交当前请求结果候选框 score阈值与 IoU 合并稳定展示框页面生命周期串行队列与资源释放无泄漏退出案例一先选的大图反而后返回每次选择图片递增 requestId异步结果返回时先比对当前 ID不一致的结果只做资源清理。检测按钮还应在任务运行时禁用或进入串行队列避免同一个检测器是否支持并发变成隐含假设。classDetectionGate{privategeneration0;begin():number{returnthis.generation;}isCurrent(id:number):boolean{returnidthis.generation;}cancelAll():void{this.generation1;}}案例二同一物体出现多个重叠框先按置信度降序再计算同类别候选框的 IoU。与已保留框重叠超过阈值的候选被合并或丢弃不同类别是否互斥由业务决定。阈值不能只看一张图应准备遮挡、密集摆放和小目标三组样本。interfaceBox{x:number;y:number;w:number;h:number;score:number;label:string}functioniou(a:Box,b:Box):number{constx1Math.max(a.x,b.x),y1Math.max(a.y,b.y);constx2Math.min(a.xa.w,b.xb.w),y2Math.min(a.ya.h,b.yb.h);constoverlapMath.max(0,x2-x1)*Math.max(0,y2-y1);returnoverlap/(a.w*a.hb.w*b.h-overlap||1);}functionmergeCandidates(items:Box[],threshold0.55):Box[]{constkept:Box[][];for(constboxof[...items].sort((a,b)b.score-a.score)){if(!kept.some(vv.labelbox.labeliou(v,box)threshold))kept.push(box);}returnkept;}取舍不是“开或不开”低频图库识别可以按官方示例清晰地创建和销毁连续处理则应在页面级封装检测会话串行提交并在退出时销毁。结果层再做 requestId 门禁和可解释的 IoU 合并避免把生命周期和视觉策略塞进同一个回调。交付前检查每个 PixelMap 绑定独立 requestId。过期结果不得覆盖当前图片。同类别重叠框按阈值合并并保留原始证据。遮挡、密集小目标和低置信度样本分别验证。页面退出时取消提交并释放检测器和 PixelMap。官方资料Core Vision Kit 多目标识别Core Vision Kit 能力介绍VisionBase API识别结果能返回只完成了能力接入的一半。让新结果不会被旧任务覆盖让重叠候选不会直接污染页面才是用户真正看到的稳定性。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉