pytorch-cpn可视化标注信息

pytorch-cpn项目的代码对coco标注进行了重新组装，但是基本的标注内容并没有改变，关键点的坐标依然是以图片左上角为坐标原点,标注格式依然为[x1,y1,v1，x2,y2,v2,…,x17,y17,v17]。在其mscocoMulti.py文件中，以下为核心可视化代码的部分。使用以下代码，即可实现原图和标注在同一个plt画布中显示。

         plt.figure()c = (np.random.random((1, 3)) * 0.6 + 0.4).tolist()[0]plt.plot(x[v > 0], y[v > 0], 'o', markersize=10, markerfacecolor=c, markeredgecolor='k', markeredgewidth=2)img = Image.open(os.path.join(img_folder, image_name))plt.imshow(img)plt.show()

完整加入以下代码，即可可视化第一个标注信息。

if __name__ == '__main__':import argparseparser = argparse.ArgumentParser(description='PyTorch CPN Training')parser.add_argument('-j', '--workers', default=12, type=int, metavar='N',help='number of data loading workers (default: 12)')parser.add_argument('-g', '--num_gpus', default=1, type=int, metavar='N',help='number of GPU to use (default: 1)')parser.add_argument('--epochs', default=32, type=int, metavar='N',help='number of total epochs to run (default: 32)')parser.add_argument('--start-epoch', default=0, type=int, metavar='N',help='manual epoch number (useful on restarts)')parser.add_argument('-c', '--checkpoint', default='checkpoint', type=str, metavar='PATH',help='path to save checkpoint (default: checkpoint)')parser.add_argument('--resume', default='', type=str, metavar='PATH',help='path to latest checkpoint')args = parser.parse_args()import syssys.path.append('../256.192.model')from config import cfgfrom PIL import Imageimport matplotlib.pyplot as pltimg_folder =  cfg.img_pathwith open(cfg.gt_path) as anno_file:anno = json.load(anno_file)for i, item in enumerate(anno):print(i, item)if (i == 5):print(item.keys())break;num_class = 17a = anno[0]image_name = a['imgInfo']['img_paths']points = np.array(a['unit']['keypoints']).reshape(num_class, 3).astype(np.float32)gt_bbox = a['unit']['GT_bbox']points = points.flatten()x = points[0::3]y = points[1::3]v = points[2::3]print(points)print(x)print(y)print(v)print(x[v>0])print(y[v>0])plt.figure()c = (np.random.random((1, 3)) * 0.6 + 0.4).tolist()[0]plt.plot(x[v > 0], y[v > 0], 'o', markersize=10, markerfacecolor=c, markeredgecolor='k', markeredgewidth=2)img = Image.open(os.path.join(img_folder, image_name))plt.imshow(img)plt.show()

pytorch-cpn可视化标注信息相关推荐

CrowdCounting将标注信息加到图片上可视化
人群计数数据集UCF-QNRF中给的标注信息为.mat的二进制文件,里面存储了标注点的所有位置,现在要做的是将这些信息加入原始图片中,有标注的地方打上标记点进行可视化,使用opencv具体操作如下: ...
pytorch卷积可视化_使用Pytorch可视化卷积神经网络
pytorch卷积可视化 Filter and Feature map Image by the author 筛选和特征图作者提供的图像 When dealing with image's and ...
推荐：数据可视化与信息可视化浅谈
我们常常迷失在数据中,纷繁复杂的数据让我们无所适从.可视化作为解决这问题的有效手段,通过视觉的方式让数字易于理解. 数据可视化和信息可视化都是可视化的一种方式,数据可视化将数据库中每一个数据项作为单个 ...
美丽的数据：数据可视化与信息可视化浅谈
我们常常迷失在数据中,纷繁复杂的数据让我们无所适从.可视化作为解决这问题的有效手段,通过视觉的方式让数字易于理解. 数据可视化和信息可视化都是可视化的一种方式,数据可视化将数据库中每一个数据项作为单个 ...
PyTorch之—可视化（Visdom/TensorboardX）
文章目录一.Visdom 安装与使用小案例二.TensorBoardX 案例一案例二使用PROJECTOR对高维向量可视化绘制网络结构一.Visdom Visdom是Facebook在2 ...
超实用的7种 pytorch 网络可视化方法，进来收藏一波
引导前言 1. torchsummary 2. graphviz + torchviz 3. Jupyter Notebook + tensorwatch 4. tensorboardX 5. ne ...
Pytorch的可视化工具visdom的基本使用
Pytorch的可视化工具visdom的基本使用一.简介 Visdom 是 Facebook 专门为Pytorch开发的一款用于创建.组织和共享实时丰富数据的开源可视化工具.支持 Torch 和 N ...
Pytorch网络结构可视化
现在用的这个: net = load_model(net, args.trained_model, args.cpu) for name, param in net.named_parameters( ...
PyTorch 训练可视化教程 visdom
visdom 快速启动启动地址:http://localhost:8097/ visdom 的介绍 Visdom是Facebook专为PyTorch开发的实时可视化工具包,其作用相当于TensorF ...
yoloV4mosaic数据增强，同步Pascal VOC格式的XML标注信息
yoloV4mosaic数据增强,同步Pascal VOC格式的XML标注信息 talk is cheap, show code. talk is cheap, show code. from PIL ...

pytorch-cpn可视化标注信息

pytorch-cpn可视化标注信息相关推荐

最新文章

热门文章