随笔分类 - 2D视觉
摘要:去除大颗粒脚本 点击查看代码 import cv2 import numpy as np import json import os def list_jsons(folder_path): for filename in os.listdir(folder_path): if filename.e
阅读全文
摘要:大小目标的分类 小目标, 尺寸3232以下, 或者长宽比超过20 大目标, 尺寸9696以上 中目标, 介于大小目标之间的尺寸 被检查物size如果小于 15 * 15 , 效果可能很差, 如要检测小物体最好搭配 yolov8 P2模型. 另外也可以搭配 SAHI 库进行tile平铺推理, 或者实验
阅读全文
摘要:点击查看代码 import cv2 import numpy as np import json import os def list_jsons(folder_path): for filename in os.listdir(folder_path): if filename.endswith(
阅读全文
摘要:单点和双点的错误标签转化不成多边形,导致不能转化成实例分割的训练集所以在训练前需要去除掉 点击查看代码 import cv2 import numpy as np import json import os # 去除一两个点的小polygon def remove_specific_labels(j
阅读全文
摘要:去除labelme空的标注文件和对应的图片 点击查看代码 import os import json def is_empty_labelme_file(file_path): with open(file_path, 'r') as f: data = json.load(f) # 检查图像数据是
阅读全文
摘要:对于有些标注标签名拼写错误的,可以用此方法 点击查看代码 # -*- coding: utf-8 -*- import os import json json_dir = '' # JSON文件所在文件夹的路径 old_label = '' # 要修改的旧标签名 new_label = '' # 修
阅读全文
摘要:见代码 点击查看代码 import cv2 import os import numpy as np import base64 import json import shutil # labelme标注后的图片和json同步resize in_dir = r'D:\pic\2024demo03\b
阅读全文
摘要:16位灰度图转RGB图 点击查看代码 import cv2 import numpy as np from PIL import Image def transfer_16bit_to_8bit(image_path): image_16bit=Image.open(image_path) img_
阅读全文
摘要:1.去除labelme标注中只有1或2个点的轮廓 指有些标注错误的只有1个点或2个点的轮廓不能转化为polygon 点击查看代码 import cv2 import numpy as np import json import os def remove_specific_labels(json_f
阅读全文
摘要:修改前 代码: 点击查看代码 import cv2 import numpy as np import json def remove_specific_labels(json_file): # 读取JSON文件 with open(json_file, 'r') as f: data = json
阅读全文
摘要:Mat_类 Mat_类是对 Mat 类的一个包装,其定义如下 点击查看代码 template<typename _Tp> class Mat_ : public Mat { public: //只定义了几个方法 //没有定义新的属性 }; 这是一个非常轻量级的包装,既然已经有 Mat 类,为何还要定
阅读全文
摘要:YOLO是一个深度学习模型,通常在GPU上运行。当你运行YOLO进行实例分割时,它会占用显存。在PyTorch中,删除显存通常涉及到释放张量所占用的内存。 以下是一个简单的Python代码示例,演示如何在PyTorch中删除(释放)显存 点击查看代码 import torch # 假设你有一个模型和
阅读全文
摘要:labelme标注后的数据转yolo目标检测格式txt的脚本 点击查看代码 # https://blog.csdn.net/m0_63172128/article/details/135942221 import base64 import random import shutil from tqd
阅读全文
摘要:语义分割——YOLOv8-Seg 参数汇总与调参建议 train 参数 参数 默认值 说明 调参建议 model None 模型文件的路径,如 yolov8m.pt - data None 数据文件的路径,如 coco128.yaml - epochs 100 训练周期 根据数据集大小和模型复杂度调
阅读全文
摘要:随着Meta发布的Segment Anything Model(SAM),计算机视觉迎来了ChatGPT时刻。SAM经过超过110亿个分割掩码的训练,是预测性人工智能用例而非生成性人工智能的基础模型。虽然它在广泛的图像模式和问题空间上表现出了令人难以置信的灵活性,但它的发布没有“微调”功能。 本教程
阅读全文
摘要:这个Python库简化了类似SAHI的推理,例如分割任务,从而能够检测图像中的小对象。它同时满足对象检测和实例分割任务,支持广泛的Ultralytics模型。 该库还为所有模型的推理结果可视化提供了流畅的定制,包括标准方法(直接网络运行)和独特的基于补丁的变体。 模型支持:该库提供对多个超解析深度学
阅读全文
摘要:Labelme是一个用于图像标注的开源工具。在使用Labelme进行数据标注后,可能会生成一些空的图像文件(即没有进行标注的图片),这些空图片通常不应该被使用。以下是一个简单的Python脚本,用于检测和删除这些空的标注文件: 点击查看代码 import os import json def is_
阅读全文
摘要:splitMission.py和generateLabel.py两个脚本复制到4张图片和json所在的文件夹(最好是4的倍数因为默认以4个线程并行执行)中 python splitMission.py 源码 splitMission.py 点击查看代码 import cv2 import os im
阅读全文
摘要:点击查看代码 import cv2 from patched_yolo_infer import MakeCropsDetectThem, CombineDetections from patched_yolo_infer import visualize_results # Load the im
阅读全文
摘要:什么是TensorBoard? TensorBoard是一个用于可视化机器学习模型训练过程中的各种指标的工具,它可以帮助用户更好地理解和调试模型。TensorBoard可以显示各种类型的数据,如损失函数值、准确率、权重矩阵等,并且支持多种图表类型,如折线图、柱状图、散点图等。通过使用TensorBo
阅读全文