做甲方去哪个网站应聘,网站建设 平易,php微网站开发,东莞寮步二手房1. 前言 最近在弄关于目标检测的任务#xff0c;因为检测的图片和标签是分开的#xff0c;可视化效果不明显#xff0c;也不知道随便下载的数据集#xff0c;标注信息对不对。网上看了好多代码#xff0c;代码风格和本人平时不同#xff0c;看起来麻烦#xff0c;也不知…1. 前言 最近在弄关于目标检测的任务因为检测的图片和标签是分开的可视化效果不明显也不知道随便下载的数据集标注信息对不对。网上看了好多代码代码风格和本人平时不同看起来麻烦也不知道怎么更改于是按照自己的编码风格写了个可视化脚本这里做下记录 本章可视化的数据格式是VOC格式即标注文件是XML文件边界框是左上角和右下角的两个点 下面是代码的目录结构1.jpeg 是数据图像1.xml是对应的标签信息 result.png 是保存的绘制好边界框的图像 2. 关于代码 代码部分 2.1 自定义函数传入的路径 如下根据上图摆放好的数据目录将img_path 传入图片。 对应的 xml 这里是代码生成的因为大部分数据的标签和训练图像仅仅是目录和后缀的不同文件名是相同的 2.2 自定义可视化函数 自定义函数传入的三个参数就是原始图片、图片对应的xml标签save 是展示后是否保存这里默认保存 如下parse_xml_to_dict 也是自定义函数大概就是将xml文件按照树状图的形式解析成层层的字典。看控制台的输出部分data 就是xml 文件的内容 接下来就是根据解析的字典读取里面的边界框和检测类别 XML标注格式的文件目标在object下面 因为每张图片的目标不是只有一个所有用for循环遍历如下每个i就是一个完整的目标 通过字典的key将对应的value读取出来然后用列表仅仅保存边界框和分类的名称 值得注意的是XML标注的目标类别就是真实的类别而非yolo格式的0 1 2 索引所以这里绘制边界框是不需要json文件的 xml生成json类别字典文件可以查看目标检测篇如何根据xml标注文件生成类别classes的json文件 关键的信息提取好了就可以绘制边界框了通过打印可以发现ob里面存放的就是我们需要的部分name、xmin、ymin、xmax、ymax 绘制的部分很简单利用cv就行了 2.3 绘制结果 因为大部分训练图像size很大cv窗口展示不出来所以这里查看生成的result.png文件 想要同时展示多张绘制好的图片可以利用for循环嵌套或者用dataloader和plt结合等等待会看看能不能把YOLO格式txt的可视化数据写出来因为yolo标注的相对信息和类别索引可能会相对复杂一些 3. 完整代码 如下 from lxml import etree import cv2# 读取 xml 文件信息并返回字典形式 def parse_xml_to_dict(xml):if len(xml) 0: # 遍历到底层直接返回 tag对应的信息return {xml.tag: xml.text}result {}for child in xml:child_result parse_xml_to_dict(child) # 递归遍历标签信息if child.tag ! object:result[child.tag] child_result[child.tag]else:if child.tag not in result: # 因为object可能有多个所以需要放入列表里result[child.tag] []result[child.tag].append(child_result[child.tag])return {xml.tag: result}# xml 标注文件的可视化 def xmlShow(img,xml,save True):image cv2.imread(img)with open(xml, encodinggb18030, errorsignore) as fid: # 防止出现非法字符报错xml_str fid.read()xml etree.fromstring(xml_str)data parse_xml_to_dict(xml)[annotation] # 读取 xml文件信息ob [] # 存放目标信息for i in data[object]: # 提取检测框name str(i[name]) # 检测的目标类别bbox i[bndbox]xmin int(bbox[xmin])ymin int(bbox[ymin])xmax int(bbox[xmax])ymax int(bbox[ymax])tmp [name,xmin,ymin,xmax,ymax] # 单个检测框ob.append(tmp)# 绘制检测框for name,x1,y1,x2,y2 in ob:cv2.rectangle(image,(x1,y1),(x2,y2),color(255,0,0),thickness2) # 绘制矩形框cv2.putText(image,name,(x1,y1-10),fontFacecv2.FONT_HERSHEY_SIMPLEX,fontScale0.5,thickness1,color(0,0,255))# 保存图像if save:cv2.imwrite(result.png,image)# 展示图像cv2.imshow(test,image)cv2.waitKey()cv2.destroyAllWindows()if __name__ __main__:img_path ./my_xml_dataset/train/images/1.jpeg # 传入图片labels_path img_path.replace(images, labels) # 自动获取对应的 xml 标注文件labels_path labels_path.replace(.jpeg, .xml)xmlShow(imgimg_path, xmllabels_path,saveTrue)