Python 深度学习目标检测结果可视化

深度学习目标检测的标签数据是以一系列点的形式存储在文件中，输出结果也是以点的形式表示，难以进行目视判读。本代码可以根据检测结果在原始影像上绘制边界框，实现检测结果的可视化。

在OBB的目标检测中，DOTA数据的标签以[x1 y1 x2 y2 x3 y3 x4 y4 class difficult]格式记录在txt文件中，如下所示：

标签文件与影像文件的名称一一对应：

将标签数据绘制在影像上的可视化代码如下：

# -*- coding: utf-8 -*-
import os, cv2
import numpy as np
import tifffile# 读取标签文件，返回一系列边界框的坐标点及类别信息
# 文件中一行代表一个边界框，每行由"x1 y1 x2 y2 x3 y3 x4 y4 class difficult"组成
def read_label(label_file):with open(label_file, 'r') as f:box_data = []  # 存储坐标点信息label_data = []  # 存储标类别信息for line in f.readlines():curLine = line.strip().split(" ")x1 = float(curLine[0])y1 = float(curLine[1])x2 = float(curLine[2])y2 = float(curLine[3])x3 = float(curLine[4])y3 = float(curLine[5])x4 = float(curLine[6])y4 = float(curLine[7])box = np.array([[x1, y1], [x2, y2], [x3, y3], [x4, y4]], np.int32)label = curLine[8]box_data.append(box)label_data.append(label)return box_data, label_datalabel_dir = './labelTxt/'  # 存储标签的文件夹
image_dir = './images/'  # 存储影像的文件夹
out_dir = './showlabel/'  # 保存输出文件的文件夹
label_files = os.listdir(label_dir)n = 0
for label_file in label_files:  # 遍历标签文件if '.txt' in label_file:label_path = label_dir + label_file  # 标签文件路径image_path = image_dir + label_file.replace('.txt', '.tif')  # 影像文件路径（影像与标签文件名对应，替换后缀即可）im = cv2.imread(image_path)box_data, label_data = read_label(label_path)  # 读取标签文件中的坐标点信息for i in range(len(box_data)):x1 = box_data[i][0][0]  # 第一个坐标点，为了固定类别标签的位置y1 = box_data[i][0][1]bbox = np.array(box_data[i], np.int32)bbox = bbox.reshape((-1, 1, 2))cv2.polylines(im, [bbox], True, (4, 7, 250), 1)  # 绘制边界框font = cv2.FONT_HERSHEY_SIMPLEX# cv2.putText(im, label_data[i], (x1, y1 - 7), font, 0.5, (6, 230, 230), 1)    #可以在边界框上标注类别label_show_file = out_dir + label_file.replace('.txt', '.tif')cv2.imwrite(label_show_file, im)  # 保存可视化后的影像

Python 深度学习目标检测结果可视化相关推荐

Python 深度学习目标检测评价指标：mAP、Precision、Recall、AP、IOU等
目标检测评价指标: 准确率 (Accuracy),混淆矩阵 (Confusion Matrix),精确率(Precision),召回率(Recall),平均正确率(AP),mean Average P ...
姿态检测树莓派_怎样在树莓派上轻松实现深度学习目标检测？
原标题:怎样在树莓派上轻松实现深度学习目标检测? 雷锋网按:本文为 AI 研习社编译的技术博客,原标题 How to easily Detect Objects with Deep Learning ...
值得收藏！基于激光雷达数据的深度学习目标检测方法大合集（下）
作者 | 黄浴来源 | 转载自知乎专栏自动驾驶的挑战和发展 [导读]在近日发布的<值得收藏!基于激光雷达数据的深度学习目标检测方法大合集(上)>一文中,作者介绍了一部分各大公司和机构基于 ...
深度学习目标检测：YOLOv5实现车辆检测(含车辆检测数据集+训练代码)
深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码) 目录深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码) 1. 前言 2. 车辆检测数据集说明 (1)车 ...
【深度学习目标检测】一、基于yolov3的水果商品检测分类
[深度学习目标检测]一.基于yolov3的水果商品检测分类本文的目标是使用yolov3目标检测算法实现水果检测,使用的深度学习框架为paddlepaddle,目标检测算法框架paddledetect ...
深度学习目标检测：YOLOv5实现红绿灯检测(含红绿灯数据集+训练代码)
深度学习目标检测:YOLOv5实现红绿灯检测(含红绿灯数据集+训练代码) 目录深度学习目标检测:YOLOv5实现红绿灯检测(含红绿灯数据集+训练代码) 1. 前言 2. 红绿灯检测数据集说明 (1) ...
深度学习目标检测详细解析以及Mask R-CNN示例
深度学习目标检测详细解析以及Mask R-CNN示例本文详细介绍了R-CNN走到端到端模型的Faster R-CNN的进化流程,以及典型的示例算法Mask R-CNN模型.算法如何变得更快,更强! ...
深度学习目标检测指南：如何过滤不感兴趣的分类及添加新分类？
编译 | 庞佳责编 | Leo 出品 | AI 科技大本营(公众号ID:rgznai100) AI 科技大本营按:本文编译自 Adrian Rosebrock 发表在 PyImageSearch 上 ...
【树莓派】：配置+SSH+VNC，实现深度学习目标检测
1.查看树莓派IP地址: hostname -i 更新软件源和软件 # 更新软件源 sudo apt-get update # 更新软件 sudo apt-get upgrade 2.通信准备打开串 ...

Python 深度学习目标检测结果可视化

Python 深度学习目标检测结果可视化相关推荐

最新文章

热门文章