yolov5输出检测框的中心位置,框的长宽,框的位置,以及输出对应标签格式的输出

这篇具有很好参考价值的文章主要介绍了yolov5输出检测框的中心位置,框的长宽,框的位置,以及输出对应标签格式的输出。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。

yolov5输出检测框的中心位置,框的长宽,框的位置,以及输出对应标签格式的输出。 模型读取每个图片,并将上述的信息依此输出到同名的txt文件中保存,具体需要哪些坐标可以自己选。

更改信息在detect.py文件中,需要更改的第一个地方在如下地方,输出位置在runs/detect/exp中
yolov5detect检测框部分,python,yolo,检测,目标检测

            # 自己改的部分
            location_center_dir = str(save_dir) + '/detect_location'
            if not os.path.exists(location_center_dir):
                os.makedirs(location_center_dir)
            location_center_path = location_center_dir + '\\' + str(p.stem) + (
                '' if dataset.mode == 'image' else f'_{frame}')  #
            flocation = open(location_center_path + '.txt', 'a')

第二个需要更改的地方:
yolov5detect检测框部分,python,yolo,检测,目标检测


                    # 自己改的部分
                    x0 = (int(xyxy[0].item()) + int(xyxy[2].item())) / 2
                    y0 = (int(xyxy[1].item()) + int(xyxy[3].item())) / 2  # 中心点坐标(x0, y0)

                    chang = int(xyxy[2].item()) - int(xyxy[0].item())
                    kuan = int(xyxy[3].item()) - int(xyxy[1].item())
                    # class_index = cls  # 获取属性
                    # object_name = names[int(cls)]  # 获取标签名如:person
                    label = int(cls)  # 对应每个物体的标签对应的数字label,如person:0
                    x0 = format(x0/2448, '.6f')  #此处我要保存和训练标注的txt一样的格式,故保留六位小数
                    y0 = format(y0/2048, '.6f')
                    chang = format(chang/2448, '.6f') # 2448和2048为我的图片长和宽
                    kuan = format(kuan/2048, '.6f')
                    if label==0:  # 在这里我只需要保存person的信息,可以删去,也可以自己更改
                        flocation.write(str(label) + ' ' + str(x0) + ' ' + str(y0) + ' '+str(chang)+' ' +str(kuan)+'\n')

注释应该很清楚了,int(xyxy[0].item()) 为左边的X坐标,int(xyxy[0].item(2))为右边的x坐标,int(xyxy[1].item()) 为上面的y坐标,int(xyxy[3].item()) 为下面的y坐标。

我的坐标信息除以2048和2448,是为了获得labelimg标注工具同类型的坐标信息(用于训练或者var的label标签),即比例。需要用可通过img.shape()获得。文章来源地址https://www.toymoban.com/news/detail-523162.html

到了这里,关于yolov5输出检测框的中心位置,框的长宽,框的位置,以及输出对应标签格式的输出的文章就介绍完了。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

  • YOLOv5区域入侵检测【附完整代码以及视频演示】

    一、前期准备: 首先你需要有一份yolov5的官方源码,并且能够找到其中的detect.py文件即可。 在检测过程中,有些项目不需要我们检测所有的区域,比如禁止区域的入侵检测,只需要检测制定规划出来的区域就可以。例如下图所示这样,在网上随便找的一段视频,这是其中的

    2024年02月11日
    浏览(40)
  • yolov5旋转目标框的数据集标签制作

    1.rolabelimg标注 https://blog.csdn.net/qq_42921511/article/details/127619447 2. roxml转为dota格式的txt roxml文件格式: dota的txt格式: 修改完路径后运行roxml_to_dota.py即可 3. dota格式txt转为yolo格式的txt标签 ** 环境配置: python=3.7 pip install opencv-python==4.1.2.30 (ps:必须为这个版本) 图片:长和宽一致的

    2024年02月04日
    浏览(42)
  • 目标检测 YOLOv5的loss权重,以及与图像大小的关系

    YOLOv5中有三个损失分别是 box, obj, cls 在超参数配置文件hyp.*.yaml中可以设置基础值,例如 训练使用时,在train.py进行更新 可以看到损失与nl(number of detection layers,检测层的层数,这里是3)和图像尺寸相关,与layers相关这个好理解,是因为损失多个layers的加和。与图像尺寸相关

    2024年02月09日
    浏览(42)
  • 【计算机视觉】目标检测—yolov5自定义模型的训练以及加载

    目标检测是计算机视觉主要应用方向之一。目标检测通常包括两方面的工作,首先是招到目标,然后就是识别目标。目标检测可以分为单物体检测和多物体检测。常用的目标检测方法分为两大流派:一步走(one_stage)算法:直接对输入的图像应用算法并输出类别和相应的定位

    2024年02月01日
    浏览(54)
  • yolov5检测(前向)输入视频输出(不在图上画标签形式的原)图片的方法,及设置每隔几帧保存的方式(不每帧保存减少重复)

    这些天我忽然有个需求,要更新迭代一个场景的检测模型,甲方爸爸提供的新数据集是监控视频形式的(因为拍视频确实更加的方便),而我训练模型确实要标注好的图片形式。 根据这些条件的话,思路应该是要这样的:首先使用现有的最新一个模型输入视频进行检测,检测结

    2024年01月21日
    浏览(38)
  • YOLOv3&YOLOv5输出结果说明

    本文使用的yolov3和yolov5工程文件均为github上ultralytics基于pytorch的v3和v5代码,其训练集输出结果类型基本一致,主要介绍了其输出结果,本文是一篇学习笔记 本文使用的yolov3代码github下载地址:yolov3 模型训练具体步骤可查看此篇博客: yolov3模型训练——使用yolov3训练自己的模

    2023年04月08日
    浏览(50)
  • YOLOv5项目实现口罩检测、目标检测(免费提供数据集2000+图片和标注以及所有代码)可以在多种平台上运行(pycharm+CUDA、colab、国内GPU云平台)图片形式、rstp形式、视频形式等

    相信很多朋友最近想入门计算机视觉方面,但是对于怎么入门还不是很了解,在这个过程中会遇到很多的问题,例如:找不到学习资源、软件不会安装等等。目标检测只是计算机视觉的一个方面,但是目前仍处于热门的研究话题。而目标检测的方法分为one-stage和two-stage方法,

    2024年02月03日
    浏览(59)
  • yolov5源码解析(9)--输出

    本文章基于yolov5-6.2版本。主要讲解的是yolov5是怎么在最终的特征图上得出物体边框、置信度、物体分类的。   一。总体框架 首先贴出总体框架,直接就拿官方文档的图了,本文就是接着右侧的那三层输出开始讨论。 Backbone :  New CSP-Darknet53 Neck :  SPPF ,  New CSP-PAN Head :  YOLO

    2023年04月09日
    浏览(40)
  • yolov5 模型输出的格式解析

    工作需要, 又需要对yolov5 输出的模型进行转onnx 再用c++进行后续处理。 两个问题。 yolov5 的模型输出的是个啥啊? 转成onnx后输出的和yolov5输出的处理是否一样呢? 以前只知道抄代码就行, 也不知道里面干了啥 , 输出的后处理也都是由现成的代码来实现。 我也懒得考虑内

    2023年04月08日
    浏览(51)
  • 【目标检测实验系列】AutoDL线上GPU服务器租用流程以及如何用Pycharm软件远程连接服务器进行模型训练 (以Pycharm远程训练Yolov5项目为例子 超详细)

           本篇博客主要涉及两个主体内容。 第一个 :从AutoDL网站中租用GPU服务器。 第二个 :用Pycharm软件远程连接租来的线上服务器,并以Yolov5项目为例,线上训练模型。此过程中会记录重要的地方,以及本人踩坑之后,如何解决问题的所思所想( 通读本篇博客大概需要1

    2024年02月03日
    浏览(55)

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