import csv import os import cv2 import numpy as np net = cv2.dnn.readNet('dnn_model\yolov4.cfg', 'dnn_model\yolov4.weights') # opencv调用YOLOv4权重文件及参数表 model = cv2.dnn_DetectionModel(net) # 获取模型及权中参数文件 model.setInputParams(size=(416, 416), scale=1 / 255) # 设置图像的大小,改变图像的模式在(0~1)之间。 classes = [] # 存放每个分类的名称。 with open('dnn_model\classes.txt') as file_obj: # 打开类别文件,定义新名称为file_obj for class_name in file_obj.readlines(): # 获取文本中的每一行 class_name = class_name.strip() # 删除文本中的换行符、空格等 classes.append(class_name) # 将每个分类名保存到列表中 f = open('F:/python learn/yolov4-test/recog_result.csv', 'w', newline='') # 打开CSV文件 csv_writer = csv.writer(f) # 对表格进行填写功能 csv_writer.writerow(["图片名称", "识别结果"]) # 在表格文件填写表头 path = "F:/python learn/yolov4-test/test/" # 设置路径 path_objective = "F:/python learn/yolov4-test/objective_store/"
Python图像遍历YOLOv4特征识别+CSV结果存储
最新推荐文章于 2023-12-01 13:55:37 发布
该博客介绍了如何使用Python结合OpenCV调用YOLOv4模型进行图像遍历,识别特定对象(如bus和truck),并将识别结果存储到CSV文件中。通过读取权重文件、配置文件以及类别文本,博主展示了识别过程,并将检测到的目标图像保存到指定目录。
摘要由CSDN通过智能技术生成