yolo批量检测图片

接上篇博客~（基于google colab）

由于训练集图片和想要检测图片的尺寸不一致的问题，需要将欲检测图片切割，将切割后的小图分别预测再合成大图。这时候涉及到了批量检测图片的问题，查询很多方法大都复杂且不易实现，后参考博客实现了该功能，总结如下：

• 首先切割图片，根据自己的需求写一个切割图片的脚本，并将切割后的图片保存在一个文件夹下。
• 生成一个包含该文件夹下所有图片名字的txt文件。

# 这里我保存图片的路径为/mydrive/yolo/outimg
!ls -R /mydrive/yolo/outimg/* > input.txt

• 参考博客修改detector.c文件
  • 第一步
    
  • 第二步：在detector.c开头static int coco_ids[] = 下面加一段代码：

static int coco_ids[] = {1,2,3,4,5,6,7,8,9,10,11,13,14,15,16,17,18,19,20,21,22,23,24,25,27,28,31,32,33,34,35,36,37,38,39,40,41,42,43,44,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,67,70,72,73,74,75,76,77,78,79,80,81,82,84,85,86,87,88,89,90};
 
char *GetFilename(char *p)
{ 
    static char name[20]={""};
    char *q = strrchr(p,'/') + 1;
    strncpy(name,q,6);//注意后面的6，如果你的测试集的图片的名字字符（不包括后缀）是其他长度，请改为你需要的长度（官方的默认的长度是6）
    return name;
}

• 将修改好的detector.c文件上传到colab的对应文件夹下：

!cp /mydrive/yolo/detector.c ./src

• 在darknet路径下创建一个output文件夹
• 重新编译darknet

# 编译darknet
!make

• 批量检测（注意对应路径）

# 批量检测
!./darknet detector test data/obj.data cfg/yolov4-custom2.cfg /mydrive/yolo/backup/yolov4-ship_final_1.weights -ext_output -dont_show </content/darknet/input.txt> result.txt -thresh 0.02

• 检测完成
  检测完成后会在output文件夹下生成批量检测后的图片，还会生成一个带有检测信息的result.txt文件。
• 合并
  自己写一个脚本将检测后的子图合并成大图，也可写一个脚本提取result.txt中的标记框信息然后添加到原图上。