使用python脚本将视频素材转化为图片数据集并打标

这篇具有很好参考价值的文章主要介绍了使用python脚本将视频素材转化为图片数据集并打标。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1.前言

在深度学习的训练过程中,第一步要做的制作数据集。本文所介绍的内容就是在面临视频素材时,如何将这个视频素材转换成图片,并将生成的图片给打上标签。

2.视频转图片的代码展示

# coding=utf-8
import cv2
import os
 
root = "F:\HSvideo/HSsource/"
filename= os.path.join(root, "MP4/hat12.ps")    # 视频的绝对路径

vc = cv2.VideoCapture(filename)  # 读入视频文件,命名cv
n = 1  # 计数
 
if vc.isOpened():  # 判断是否正常打开
    rval, frame = vc.read()
else:
    rval = False
 
timeF = 10  # 视频帧计数间隔频率
 
i = 0
while rval:  # 循环读取视频帧
    rval, frame = vc.read()
    if (n % timeF == 0):  # 每隔timeF帧进行存储操作
        i += 1
        print(i)
        save_path = os.path.join(root, 'Head/hatsplit_{}.jpg'.format(i))
        print(save_path)
        # input()

        
        cv2.imwrite(save_path, frame)  # 存储为图像
    n = n + 1
    cv2.waitKey(1)
vc.release()

告诉大家拿到这段代码之后,想将自己的视频转化为自己指定文件夹的图片应该要修改哪些位置:

1.视频的根目录

使用python脚本将视频素材转化为图片数据集并打标

使用python脚本将视频素材转化为图片数据集并打标

2.视频在根目录中所在的位置 

使用python脚本将视频素材转化为图片数据集并打标

使用python脚本将视频素材转化为图片数据集并打标

 这里我的视频格式是.ps格式,具体可以根据你的视频格式来修改,也可以是.mp4格式

3.指定生成图片的文件夹

使用python脚本将视频素材转化为图片数据集并打标

4.展示转化成功的结果

使用python脚本将视频素材转化为图片数据集并打标

 3.对生成的图片进行数据清洗并打标

1.数据清洗

剔除掉模糊、重复性高、失帧的图片

2.对筛选过后的图片进行打标

具体的打标教程之前我有写过,非常的详细,链接在这里:

使用Labelimg打标教学_labelimg jpegimages predefined_classes.txt_Dragon_0010的博客-CSDN博客

使用python脚本将视频素材转化为图片数据集并打标

使用python脚本将视频素材转化为图片数据集并打标文章来源地址https://www.toymoban.com/news/detail-483025.html

到了这里,关于使用python脚本将视频素材转化为图片数据集并打标的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 如何制作正能量励志语录短视频保姆级教程: AIGC生成脚本+ elevenlabs AI声音克隆+AI生图+PikaLabs生短视频+Pexels素材+剪映视频剪辑实操全流程演示

    课程场景:适合口才不好,文笔不好,不愿意出镜的相关人员学习,经常演讲但是没有时间做口播做录制的老板、讲师和专家,学完本课,不管您是谁,您都将轻松简单的可以开始您的Vlog或者自媒体账号的IP打造之路。 您将学到如何找爆款对标账号。 您将学到如何通过AIGC以

    2024年02月02日
    浏览(100)
  • 使用yolox训练自己的数据集并测试

    ​​​​​​https://github.com/bubbliiiing/yolox-pytorch 百度网盘链接给出自己完整的模型(包括数据集以及权重文件): 链接:https://pan.baidu.com/s/1JNjB42u9eGNhRjr1SfD_Tw  提取码:otq0 1.选择配置好的深度学习环境 2.修改train.py里面的classes_path,将自己想要分类的类别填充进去  3.修改权

    2024年02月09日
    浏览(28)
  • Excel 数据转化为Sql脚本

    在实际项目开发中,有时会遇到客户让我们把大量Excel数据导入数据库的情况。这时我们就可以通过将Excel数据转化为sql脚本来批量导入数据库。 步骤一:在数据前插入一列单元格,用来拼写sql语句。 \\\"B2\\\"代表B2单元格数据,如果单元格数据为字符串 需用‘’包裹。 步骤二:

    2024年02月16日
    浏览(36)
  • 【Python 常用脚本及命令系列 9 -- 图片文字识别 EasyOCR使用】

    Python中有一个不错的OCR库-EasyOCR,在GitHub已有9700 star。它可以在python中调用,用来识别图像中的文字,并输出为文本。EasyOCR支持超过80种语言的识别,包括英语、中文(简繁)、阿拉伯文、日文等,并且该库在不断更新中,未来会支持更多的语言。 1.1.1 EasyOCR 安装 安装过程比

    2024年02月07日
    浏览(40)
  • 使用LabelMe标注目标检测数据集并转换为COCO2017格式

    当你安装好labelme启动后,open dir开始标注,选择Create Rectangle 拖拽画框,然后选择类别(没有就直接输入会自动新建),标注好一幅图后点击next image会弹框提示保存json文件,保存即可。 当你将所有图像标注完后,点击Next Image是没有反应的(因为没有Next图了),此时直接x掉

    2024年02月11日
    浏览(39)
  • 深度学习:使用nanodet训练自己制作的数据集并测试模型,通俗易懂,适合小白

    关于目标检测的模型有很多, nanodet 模型小且轻量化,适合移植部署到硬件设备上,非常推荐学习这个模型。经过我自己踩了无数坑后总结了此教程,助学刚接触nanodet,想要快速上手的学者,教程很详细,学者耐心看。 我提供了一个已经调试好的源码包,后面的教程也都是

    2024年02月15日
    浏览(37)
  • python使用ffmpeg合并多张图片成视频

    注意: 需要在本地有ffmpeg,并且配置环境变量 下载链接如下:https://download.csdn.net/download/qq_30273575/87898080 # FFmpeg 将多张图片合成视频 # 可以使用 FFmpeg 库来将多张图片合成视频,下面是一个简单的示例: # 在代码中,需要提供存储图片的文件夹路径 images_path 和最终生成的视频

    2024年02月11日
    浏览(42)
  • 深度学习:使用UNet做图像语义分割,训练自己制作的数据集并推理测试(详细图文教程)

    语义分割(Semantic Segmentation)是图像处理和机器视觉一个重要分支。与分类任务不同,语义分割需要判断图像每个像素点的类别,进行精确分割。语义分割目前在自动驾驶、自动抠图、医疗影像等领域有着比较广泛的应用。我总结了使用UNet网络做图像语义分割的方法,教程很详

    2024年01月18日
    浏览(42)
  • (保姆级)服务器-Zabbix6.0使用Python脚本实现带图片的邮箱的报警

    近期在琢磨Zabbix邮箱报警的功能,但是网上的教程通常是4.0或5.0版本Zabbix,并使用Python2.7环境,运行在新版本Zabbix6.0上有颇多问题,为此我基于原先教程修改基于Zabbix6.0并使用Python3+的解决方案。期间遇到不少坑,特此分享。 Zabbix是自带的邮箱的报警功能有限,比如不能实现诸

    2024年01月24日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包