YOLOv5小目标切图检测

news2024/11/24 2:12:17

当我们在检测较大分辨率的图片时,对小目标的检测效果一直是较差的,所以就有了下面几种方法:

  1. 将图片压缩成大尺寸进行训练( 想法:没显存,搞不来)
  2. 添加小检测头(想法:P5模型还有点用,P6模型完全没用)
  3. 添加一些检测模型和玄学机制(想法:你要是写论文就去看看知*吧,只需要在最后面加一句:已达到工业检测要求)
  4. 切图检测(想法:比较耗时,过程也比较繁琐,可以尝试)

切图检测

思路:

  1. 将原图切成你想要的数量
  2. 将切成的小图进行训练,得到模型
  3. 将你需要检测的图片切成小图,用模型检测,并得到每张图目标位置的信息,保存在对应图片的txt文件
  4. 将所有txt文件融合,得到1个txt文件,并在原图上显示

一:切块

# -*- coding:utf-8 -*-
import os
import matplotlib.pyplot as plt
import cv2
import numpy as np


def divide_img(img_path, img_name, save_path):
    imgg = img_path + img_name
    img = cv2.imread(imgg)
    #   img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
    h = img.shape[0]
    w = img.shape[1]
    n = int(np.floor(h * 1.0 / 1000)) + 1
    m = int(np.floor(w * 1.0 / 1000)) + 1
    print('h={},w={},n={},m={}'.format(h, w, n, m))
    dis_h = int(np.floor(h / n))
    dis_w = int(np.floor(w / m))
    num = 0
    for i in range(n):
        for j in range(m):
            num += 1
            print('i,j={}{}'.format(i, j))
            sub = img[dis_h * i:dis_h * (i + 1), dis_w * j:dis_w * (j + 1), :]
            cv2.imwrite(save_path + '{}_{}.bmp'.format(name, num), sub)


if __name__ == '__main__':

    img_path = r'G:\1/'
    save_path = r'G:\3/'
    img_list = os.listdir(img_path)
    for name in img_list:
        divide_img(img_path, name, save_path)

 

 使用模型检测后得到:

二:融合txt文件

import os
from cv2 import cv2

# 保存所有图片的宽高
# todo: img_info={'name': [w_h, child_w_h, mix_row_w_h, mix_col_w_h]}
img_info = {}
all_info = {}


# 初始化img_info
def init(big_images_path, mix_percent, rows, cols):
    image_names = os.listdir(big_images_path)
    for img_name in image_names:
        big_path = big_images_path + '\\' + img_name
        # print(big_path)
        img = cv2.imread(big_path)
        size = img.shape[0:2]
        w = size[1]
        h = size[0]
        child_width = int(w) // cols
        child_height = int(h) // rows

        mix_row_width = int(child_width * mix_percent * 2)
        mix_row_height = child_height

        mix_col_width = child_width
        mix_col_height = int(child_height * mix_percent * 2)
        # 根据img保存w和h
        img_info[img_name.split('.')[0]] = [w, h, child_width, child_height, mix_row_width, mix_row_height,
                                            mix_col_width, mix_col_height]


# 读取所有检测出来的 小图片的label
def get_label_info(labels_path, mix_percent, rows, cols):
    labels = os.listdir(labels_path)
    for label in labels:
        # print(label)
        # todo: type: 0正常, 1row, 2col
        # 判断该label属于哪一张图片
        cur_label_belong = label.split('_')[0]
        cur_big_width = img_info[cur_label_belong][0]
        cur_big_height = img_info[cur_label_belong][1]
        # 融合区域距离边界的一小部分宽高
        cur_row_width_step = img_info[cur_label_belong][2] * (1 - mix_percent)
        cur_col_height_step = img_info[cur_label_belong][3] * (1 - mix_percent)
        # 文件名给予数据
        # child_type = []
        # child_num = []
        # label内容给予数据
        child_class_index = []
        child_x = []
        child_y = []
        child_width = []
        child_height = []

        type = -1
        num = -1
        class_index = -1
        x = 0.0
        y = 0.0
        width = 0.0
        height = 0.0

        # print(f'{label}')
        # 读取所有需要的数据
        f = open(labels_path + '\\' + label, 'r')
        lines = f.read()
        # print(lines)
        f.close()
        contents = lines.split('\n')[:-1]
        # print(contents)
        for content in contents:
            content = content.split(' ')
            # print(content)
            class_index = int(content[0])
            x = float(content[1])
            y = float(content[2])
            width = float(content[3])
            height = float(content[4])
            pass
            # print(class_index, x, y, width, height)
            assert class_index != -1 or x != -1.0 or y != -1.0 or width != -1.0 or height != -1.0, \
                f'class_index:{class_index}, x:{x}, y:{y}, width:{width}, height:{height}'
            # 转换成 数据 坐标, 并根据不同的num进行处理
            num = label.split('_')[-1].split('.')[0]  # 图片尾号 命名: xxxx_x.jpg  xxxx_mix_row_xx.jpg xxxx_mix_col_xx.jpg
            cur_img_width = 0
            cur_img_height = 0
            distance_x = 0
            distance_y = 0
            small_image_width = img_info[cur_label_belong][2]
            small_image_height = img_info[cur_label_belong][3]
            if label.find('mix_row') != -1:
                # type = 1.
                distance_x = int(num) % (cols-1)
                distance_y = int(num) // (rows-1)
                cur_img_width = img_info[cur_label_belong][4]
                cur_img_height = img_info[cur_label_belong][5]
                # row x 加上step
                x = x * cur_img_width + cur_row_width_step + distance_x * small_image_width
                y = y * cur_img_height + distance_y * cur_img_height
            elif label.find('mix_col') != -1:
                # type = 2
                distance_x = int(num) % cols
                distance_y = int(num) // rows
                cur_img_width = img_info[cur_label_belong][6]
                cur_img_height = img_info[cur_label_belong][7]
                # col y 加上step
                print(f'x:{x}, y:{y}, cur_img_width:{cur_img_width}, cur_img_height:{cur_img_height}')
                x = x * cur_img_width + distance_x * cur_img_width
                y = y * cur_img_height + cur_col_height_step + distance_y * small_image_height
                print(f'x:{x}, y:{y}, height:{cur_col_height_step}')
            else:
                # type = 0
                distance_x = int(num) % cols
                distance_y = int(num) // rows
                cur_img_width = img_info[cur_label_belong][2]
                cur_img_height = img_info[cur_label_belong][3]
                # 小图片内, 无需加上 step
                x = x * cur_img_width + distance_x * cur_img_width
                y = y * cur_img_height + distance_y * cur_img_height
            assert cur_img_width != 0 or cur_img_height != 0 or distance_x != 0 or distance_y != 0, \
                f'cur_img_width:{cur_img_width}, cur_img_height:{cur_img_height}, distance_x:{distance_x}, distance_y:{distance_y}'
            assert x < cur_big_width and y < cur_big_height, f'{label}, {content}\nw:{cur_big_width}, h:{cur_big_height}, x:{x}, y:{y}'
            width = width * cur_img_width
            height = height * cur_img_height
            assert x != 0.0 or y != 0.0 or width != 0.0 or height != 0.0, f'x:{x}, y:{y}, width:{width}, height:{height}'
            # child_type.append(type)
            # child_num.append(num)
            child_class_index.append(class_index)
            child_x.append(x)
            child_y.append(y)
            child_width.append(width)
            child_height.append(height)
        # todo: 所有信息 根据 cur_label_belong 存储在all_info中
        for index, x, y, width, height in zip(child_class_index, child_x, child_y, child_width, child_height):
            if cur_label_belong not in all_info:
                all_info[cur_label_belong] = [[index, x, y, width, height]]
            else:
                all_info[cur_label_belong].append([index, x, y, width, height])
        child_class_index.clear()
        child_x.clear()
        child_y.clear()
        child_width.clear()
        child_height.clear()


# print((all_info['0342']))
# todo: 转成 yolo 格式, 保存
def save_yolo_label(yolo_labels_path):
    for key in all_info:
        # img_path = r'G:\Unity\code_project\other_project\data\joint\big_images' + '\\' + key + '.JPG'
        # img = cv2.imread(img_path)
        yolo_label_path = yolo_labels_path + '\\' + key + '.txt'
        cur_big_width = img_info[key][0]
        cur_big_height = img_info[key][1]
        content = ''
        i = 0
        for index, x, y, width, height in all_info[key]:
            # print(all_info[key][i])
            x = x / cur_big_width
            y = y / cur_big_height
            width = width / cur_big_width
            height = height / cur_big_height
            assert x < 1.0 and y < 1.0 and width < 1.0 and height < 1.0, f'{key} {i}\n{all_info[key][i]}\nx:{x}, y:{y}, width:{width}, height:{height}'
            content += f'{index} {x} {y} {width} {height}\n'
            i += 1
        with open(yolo_label_path, 'w') as f:
            f.write(content)


def joint_main(big_images_path=r'G:\3',
               labels_path=r'G:\5',
               yolo_labels_path=r'G:\6',
               mix_percent=0.2,
               rows=4,
               cols=4):
    print(f'融合图片, 原图片路径:{big_images_path}\n小图检测的txt结果路径:{labels_path}\n数据融合后txt结果路径:{yolo_labels_path}')
    init(big_images_path, mix_percent, rows, cols)
    get_label_info(labels_path, mix_percent, rows, cols)
    save_yolo_label(yolo_labels_path)

joint_main()

三:原图显示

# -*- coding: utf-8 -*-
import os
from PIL import Image
from PIL import ImageDraw, ImageFont
from cv2 import cv2


def draw_images(images_dir, txt_dir, box_dir, font_type_path):
    font = ImageFont.truetype(font_type_path, 50)
    if not os.path.exists(box_dir):
        os.makedirs(box_dir)
    # num = 0

    # 设置颜色
    all_colors = ['red', 'green', 'yellow', 'blue', 'pink', 'black', 'skyblue', 'brown', 'orange', 'purple', 'gray',
                  'lightpink', 'gold', 'brown', 'black']
    colors = {}

    for file in os.listdir(txt_dir):
        print(file)
        image = os.path.splitext(file)[0].replace('xml', 'bmp') + '.bmp'
        # 转换成cv2读取,防止图片载入错误
        img = cv2.imread(images_dir + '/' + image)
        TURN = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        img = Image.fromarray(TURN)
        # img.show()

        if img.mode == "P":
            img = img.convert('RGB')

        w, h = img.size
        tag_path = txt_dir + '/' + file
        with open(tag_path) as f:
            for line in f:
                line_parts = line.split(' ')
                # 根据不同的 label 保存颜色
                if line_parts[0] not in colors.keys():
                    colors[line_parts[0]] = all_colors[len(colors.keys())]
                color = colors[line_parts[0]]

                draw = ImageDraw.Draw(img)
                x = (float(line_parts[1]) - 0.5 * float(line_parts[3])) * w
                y = (float(line_parts[2]) - 0.5 * float(line_parts[4])) * h
                xx = (float(line_parts[1]) + 0.5 * float(line_parts[3])) * w
                yy = (float(line_parts[2]) + 0.5 * float(line_parts[4])) * h
                draw.rectangle([x - 10, y - 10, xx, yy], fill=None, outline=color, width=5)
                # num += 1
            del draw
            img.save(box_dir + '/' + image)
        # print(file, num)
    # print(colors)


def draw_main(box_dir=r'G:\5',
              txt_dir=r'G:\6',
              image_source_dir=r'G:\3'):
    font_type_path = 'C:/Windows/Fonts/simsun.ttc'
    print(f'标注框, 数据来源: {txt_dir}\n 被标注图片: {image_source_dir}\n 结果保存路径: {box_dir}')
    draw_images(image_source_dir, txt_dir, box_dir, font_type_path)


draw_main()

 

效果对比:(左YOLOv5检测,右YOLOv5+切图检测)

 

参考:

https://blog.csdn.net/qq_43622870/article/details/124984295?ops_request_misc=&request_id=&biz_id=102&utm_term=yolov5%E5%B0%8F%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-0-124984295.142^v68^control,201^v4^add_ask,213^v2^t3_control2&spm=1018.2226.3001.4187

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:http://www.coloradmin.cn/o/91428.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【爬虫实战项目】Python爬虫批量下载相亲网站数据并保存本地(附源码)

前言 今天给大家介绍的是Python爬虫批量下载相亲网站图片数据&#xff0c;在这里给需要的小伙伴们代码&#xff0c;并且给出一点小心得。 首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫&#xff0c;基本的是加请求头&#xff0c;但是这样的纯文本数据爬取的人会…

数据结构---树和二叉树

树和二叉树定义二叉树二叉树的物理结构链式存储数组二叉树应用查找维持相对顺序二叉树的遍历深度优先遍历前序遍历中序遍历后序遍历二叉树广度优先遍历层序遍历定义 有且仅有一个特定的称为根的节点。当n>1时&#xff0c;其余节点可分为m&#xff08;m>0&#xff09;个互…

数据结构与算法——Java实现栈、逆波兰计算器(整数加减乘除)

目录 一、栈 1.1 基本介绍 1.2 栈的思路分析 1.3 栈的代码实现 二、栈实现综合计算器 2.1 思路分析 2.2 代码实现&#xff08;中缀表达式实现&#xff09; 三、栈的前缀&#xff08;波兰&#xff09;、中缀、后缀&#xff08;逆波兰&#xff09;表达式 3.1 表达式的介绍…

访问pcie总线地址内容

调用代码如下&#xff1a; uint32_t value;void * addr;printk("------1--------\n");addr0x2730000;struct resource *res;char const *name dev_name(&pdev->dev);printk("dev_name%s\n", name);res request_mem_region(addr, 16, "name1&…

【语音之家公开课】SRD: A Dataset and Benchmark Perspective

本次语音之家公开课邀请到陈果果进行分享Speech Recognition Development: A Dataset and Benchmark Perspective。 公开课简介 主题&#xff1a;Speech Recognition Development: A Dataset and Benchmark Perspective 时间&#xff1a;12月15日&#xff08;周四&#xff09…

web网页设计期末课程大作业:美食餐饮文化主题网站设计——HTML+CSS+JavaScript美食餐厅网站设计与实现 11页面

&#x1f468;‍&#x1f393;静态网站的编写主要是用HTML DIVCSS JS等来完成页面的排版设计&#x1f469;‍&#x1f393;,常用的网页设计软件有Dreamweaver、EditPlus、HBuilderX、VScode 、Webstorm、Animate等等&#xff0c;用的最多的还是DW&#xff0c;当然不同软件写出的…

C# IO及文件管理

一 System.IO ① System.IO名字空间&#xff1b; ② 提供了许多用于&#xff1b; ③ 文件和数据流进行读写操作的类&#xff1b; 二 流的分类 1 Stream类 按存取位置分&#xff1a;FileStream,MemeryStream,BufferedStream; 2 读写类 BinaryReader和BinaryWriter; TextRe…

从 0 到 1 搞一个 Compose Desktop 版本的玩天气之打包

从 0 到 1 搞一个 Compose Desktop 版本的玩天气之打包 大家好&#xff0c;前两篇文章大概介绍了下上手 Compose Desktop 和自定义绘制时遇到的一些问题&#xff0c;项目的最终实现效果如下&#xff1a; 视频代码写好了&#xff0c;该弄的动画也弄了&#xff0c;该请求的网络数…

【数据结构】八大排序算法详解

&#x1f9d1;‍&#x1f4bb;作者&#xff1a; 情话0.0 &#x1f4dd;专栏&#xff1a;《数据结构》 &#x1f466;个人简介&#xff1a;一名双非编程菜鸟&#xff0c;在这里分享自己的编程学习笔记&#xff0c;欢迎大家的指正与点赞&#xff0c;谢谢&#xff01; 排序前言一…

汇编语言第一章:基础知识

1. 基础知识 机器语言 机器语言是机器指令的集合&#xff0c;是一台机器可以正确执行的命令。现在一般电子计算机的机器指令是一列二进制数字。机器指令集是机器语言。 汇编语言 机器语言难以辨别和记忆&#xff0c;所以产生了汇编语言。汇编语言的主体是汇编指令。 操作&…

on-device training

又搬来个好玩呃 说来又想试试了 , 仅用256KB就实现单片机上的神经网络训练&#xff08;training,notinference&#xff09;&#xff0c;从此终端智能不再是单纯的推理&#xff0c;而是能持续的自我学习自我进化 On-Device Training under 256KB Memory 说到神经网络训练&#…

编译原理实验四

编译原理实验四 实验要求 cminus-f的词法分析和语法分析部分已经完成&#xff0c;最终得到的是语法分析树。而为了产生目标代码&#xff0c;还需要将语法分析树转为抽象语法树&#xff0c;通过抽象语法分析树生成中间代码(即IR)&#xff0c;最后使用中间代码来进行优化并生成…

easyExcel导出表头合并 不得不说真牛

有个导出单元格合并的任务&#xff0c;表头不规则合并格式&#xff0c;看得就烦&#xff0c;尤其是对于没玩儿过合并的我来说&#xff0c;任务放在哪里不知咋做&#xff0c;网上也看了一堆合并的方法&#xff0c;自己写注解来写的那些&#xff0c;麻烦得要命&#xff0c;我写一…

48.python break语句-终止循环

48.break语句-终止循环 文章目录48.break语句-终止循环1.循环控制2.break的作用3. 语法4. 实操练习5. 知识扩展&#xff1a;print的位置6. break语句循环图1.循环控制 在循环的过程中如果要退出循环&#xff0c;我们可以用break语句和continue语句。 2.break的作用 break [b…

Android入门第49天-使用RadioGroup+Fragment来重构类首页底部4个按钮的界面

简介 我们在&#xff1a;Android入门第47天-Fragment的基本使用 中使用Fragment制作了一个类首页底部含4个按钮的界面。今天的课程我们要做的是把第47天里的代码中一部分共用的东西抽象到res/values/themes.xml文件中。另外我们使用RadioGroup天然的只有一个可以被选中来代替…

Python学习笔记-文件及文件夹操作

记述python中关于文件和目录的基本操作。 一、基本文件操作 1.文件的创建和打开 file open(filename[,mode[,buffering]]) file&#xff1a;文件对象filename&#xff1a;文件路径&#xff0c;字符串类型&#xff0c;若要打开的文件与程序文件在同一文件夹&#xff0c;可直…

OPengl学习(三)——绘制几何物体和状态管理

文章目录0、 写在前面1、绘图工具1.1、清除窗口1.2、指定颜色1.3、强制完成绘图1.4、坐标系统工具2、点&#xff0c;直线&#xff0c;多边形2.1、填充多边形3、点&#xff0c;直线&#xff0c;多边形细节刻画4、基本状态管理0、 写在前面 1、OpenGL自身是一个巨大的状态机(Sta…

【CELL】compass利用单细胞转录组+流平衡分析预测细胞代谢状态,促进免疫细胞代谢研究

细胞代谢调控正常细胞功能以及多种疾病状态的病理生理。最近&#xff0c;免疫细胞代谢研究&#xff08;immunometabolism&#xff09;成为一个研究热点&#xff0c;揭示了包括抗病毒免疫、自身免疫和抗肿瘤反应在内的炎症代谢调节。然而&#xff0c;由于代谢网络的规模和复杂性…

BIO、NIO、AIO理解(I/O模型)

IO模型(unix网络编程第一卷) unix有五种I/O模型&#xff0c;好像其他系统也差不多吧。 I/O模型主要是两个阶段&#xff1a;等待数据与把数据从内核空间复制到用户空间&#xff0c;然后根据这两个阶段的不同&#xff0c;分类出来下面几类I/O模型。 前四个是同步IO,最后一个是异…

高并发下你还敢用ArrayList?过来看看CopyOnWriteArrayList吧!

一、ArrayList线程不安全 在Java的集合框架中&#xff0c;想必大家对ArrayList肯定不陌生&#xff0c;单线程的情况下使用它去做一些CRUD的操作是非常方便的&#xff0c;先来看看这个例子&#xff1a; public class ListTest {public static void main(String[] args) {List&…