yolov3识别大分辨率图片切割问题（已解决）

最新推荐文章于 2025-03-06 07:00:00 发布

Hurrytap

最新推荐文章于 2025-03-06 07:00:00 发布

阅读量1.4w

点赞数 3

分类专栏：图像识别 yolov3 文章标签： yolov3 图像识别

本文链接：https://blog.csdn.net/Hurrytap/article/details/90637131

版权

本文探讨了YoloV3在处理大分辨率图像时识别效果不佳的问题，并提出通过切割图像进行训练来改善效果。详细介绍了大分辨率图片的切割方法，以优化YoloV3的图像识别性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

做图像识别的过程，发现yolov3只针对416*416的识别效果较好，而训练大分辨率的图片效果比较差，可以将图像切割训练，再进行操作，以下是大分辨率图片切割的方法

# -*- coding:utf-8 -*-


from PIL import Image

'''
   @author:xunalove
    修改文件位置
    修改图片id

'''
def cut(id,vx,vy):
    #打开图片图片1.jpg
    name1 = "D:/python/tire defects/source/xraytire/XrayImages/slidingwindow/"+ id + ".jpg"
   # name2 = "/Users/DSOcmy/PycharmProjects/untitled/test/"+ id +"_cut_"
    name2 = "D:/python/tire defects/source/xraytire/XrayImages/slidingwindow/" + id + "."
    im =Image.open(name1)
    w = im.size[0]
    h = im.size[1]
    print(w, h)
    #偏移量
    dx = 300
    dy = 300
    n = 1

    #左上角切割
    x1 = 0
    y1 = 0
    x2 = vx
    y2 = vy
    #纵向
    while x2 <= h:
        while y2 <= w:
            name3 = name2 + '%06d' % (n) +