2021-10-28 使用Python从txt中读取YOLO格式标签,OpenCV可视化在对应图片上;并统计各标签出现数量

import numpy as np
import cv2
import torch

source_directory_img_path= ''
source_directory_label_path= ''
target_directory_path= ''
dic={
   }

#坐标转换,原始存储的是YOLOv5格式
# Convert nx4 boxes from [x, y, w, h] normalized to [x1, y1, x2, y2] where xy1=top-left, xy2=bottom-right
def xywhn2xyxy(x, w=640, h=640, padw=0, padh=0):

    y = x.clone() if isinstance(x, torch.Tensor) else np.copy(x)
    y[:, 0] = w * (x[:, 0] - x[:, 2] / 2) + padw  # top left x
    y[:, 1] = h *
  • 3
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
PythonYOLO(You Only Look Once)是一种广泛使用的目标检测算法,可以用于检测图像或的车辆。为了实现车辆计数,可以按照以下步骤进行: 1. 安装YOLO:首先,需要在Python环境安装YOLO。可以使用pip来安装YOLO的相关库,如OpenCV和Darknet等。这些库将提供YOLO算法的实现和使用。 2. 加载预训练模型:YOLO是一种基于深度学习的算法,需要在大型数据集上进行预训练,以便能够正确地识别和定位车辆。通过加载预训练模型,可以快速开始车辆计数。 3. 输入图像或频:将待检测的图像或频文件输入给YOLO算法。可以通过读取本地文件或从网络摄像头等外部设备获取频数据。 4. 目标检测和计数:使用YOLO算法对输入的图像或的车辆进行检测和识别。YOLO会输出每个检测到的车辆的位置和其他相关信息。 5. 计数:根据检测到的每辆车辆的位置和运动方向,可以实现车辆计数。可以使用跟踪算法来跟踪车辆,并根据车辆的进入和离开区域来计数。 6. 可输出:将计数结果可输出,可以在图像或标注车辆数量或在屏幕上显示计数结果。 总结而言,利用PythonYOLO算法可以实现车辆的检测和计数。通过加载预训练模型,输入待检测的图像或频,并进行目标检测和计数,最后将结果可输出。这样可以方便地实现车辆计数的需求。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值