视频抽帧+模型训练

最新推荐文章于 2024-05-31 10:20:54 发布

DXXXR5201314

最新推荐文章于 2024-05-31 10:20:54 发布

阅读量477

点赞数 7

文章标签：音视频

本文链接：https://blog.csdn.net/DXXXR5201314/article/details/135256212

版权

创建文件夹

建立存放待处理和处理文件夹

新建的mydata实际上是用来存放我们后续模型训练前处理的图片的，分开videos和images

后面吧video抽帧后的图片保存到image去

运行代码

在主目录下新建.py文件

代码

import cv2
from PIL import Image
import numpy as np


cap = cv2.VideoCapture("D:/Users/14211/Desktop/yolov5-master/mydata/videos/test1.mp4")  # 获取视频对象"
isOpened = cap.isOpened  # 判断是否打开
# 视频信息获取
fps = cap.get(cv2.CAP_PROP_FPS)

imageNum = 0
sum=0
timef=15  #隔15帧保存一张图片

while (isOpened):

    sum+=1

    (frameState, frame) = cap.read()  # 记录每帧及获取状态

    if frameState == True and (sum % timef==0):

        # 格式转变，BGRtoRGB
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
        # 转变成Image
        frame = Image.fromarray(np.uint8(frame))

        frame = np.array(frame)

        # RGBtoBGR满足opencv显示格式
        frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)

        imageNum = imageNum + 1
        fileName = 'D:/Users/14211/Desktop/yolov5-master/mydata/images/image' + str(imageNum) + '.jpg'  # 存储路径
        cv2.imwrite(fileName, frame, [cv2.IMWRITE_JPEG_QUALITY, 100])
        print(fileName + " successfully write in")  # 输出存储状态

    elif frameState == False:
        break

print('finish!')
cap.release()

运行结果

可以看到按照每15帧把视频抽出来了。

打标签

 labelimg

一定要把自动保存打勾，这个东东经常闪退的

w 选框标注
a 上一张
d 下一张
记得要换成yolo格式

分别在lables和images中创建train（训练集）和val（测试集）文件，选取部分数据作为测试集，注意选取测试集的图片要和标签测试集的相对应

打完标签后的图片

我们现在选取一部分放入train（训练集），剩下的放入vla（测试集）中

注意class.txt放在最外层

数据划分的方法并没有明确的规定，不过可以参考3个原则：

对于小规模样本集（几万量级），常用的分配比例是 60% 训练集、20% 验证集、20% 测试集。
对于大规模样本集（百万级以上），只要验证集和测试集的数量足够即可，例如有 100w 条数据，那么留 1w 验证集，1w 测试集即可。1000w 的数据，同样留 1w 验证集和 1w 测试集。
超参数越少，或者超参数很容易调整，那么可以减少验证集的比例，更多的分配给训练集。

images和labels这两个文件夹名字千万别打错，不然后面会报错，

在/images和/labels目录下记得放对应的图片和处理好的图片。