L一抹阳光
努力且坚定。
展开
-
YOLOV4训练自己的数据集—从环境配置到完成检测任务(Windows)
使用YOLOV4开源代码,从环境配置、制作自己的数据集到训练模型进行检测,训练自己的数据集需要为数据集生成标签文件,修改配置文件,设置适合自己数据的参数,最后根据不同的需求使用命令训练网络。然后保存模型的权重,用于检测目标。原创 2020-08-24 21:34:11 · 6175 阅读 · 14 评论 -
YOLOV4-darknet批量测试并保存图片
采用的代码是YOLOV4官方源码,地址为:https://github.com/AlexeyAB/darknet论文链接:https://arxiv.org/abs/2004.10934具体的配置和训练到检测可以参考我的上一篇博客:YOLOV4训练自己的数据集—从环境配置到完成检测任务(Windows)这篇主要是针对在检测时,我们可能有一种需求就是:将检测完成后的图片保存到自己的文件夹中首先在源码文件夹中找到src/detector.c源文件 将detector.c的test_detector函数原创 2020-09-10 11:00:33 · 4883 阅读 · 32 评论 -
VOC数据集批量处理——提取需要的类别
VOC数据集含有20个类别,根据不同的任务和场景,我们可能用不到所有的数据集,此时我们可以从所有的数据集中提取出我们想要的类别。提取过程:首先我们需要根据xml文件中的类别信息来判断是否是需要的类别,然后提取出相应的xml文件,其次我们根据xml文件的名字确定图片的名称,然后将对应图片提取出来。所有的操作的路径,注意修改为自己的路径,代码如下原创 2020-12-10 11:19:26 · 2529 阅读 · 1 评论 -
Yolov4-darknet批量测试并保存图片
首先在源码文件夹中找到src/detector.c源文件 将detector.c的test_detector函数整体替换,然后重新编译darknet,生成新的darknet.exe文件。原创 2020-10-26 10:06:07 · 4316 阅读 · 47 评论 -
理解python中numpy.transpose的用法(坐标系图解)
在看一些文献的源码时,经常能看到numpy.transpose的应用,对于高维数组总是会令人费解,有时就会绕进去,查阅资料时看到一篇博客通过画图分析和代码验证,让我对transpose的用法恍然大悟的感觉,个人感觉十分便于理解,但是我发现原作者文章中的三维坐标有一点点问题(个人理解,若理解有误,欢迎指正)。参考博客:首先我们先看一个代码:>>> import numpy as np>>> x=np.arange(4).reshape((2,2))>>原创 2020-07-07 16:29:50 · 2193 阅读 · 1 评论 -
解决cv2.imwrite存储带有中文路径或名称的图片乱码问题
由于图片名称中含有中文,发现转换完后保存图片,所有的中文名称均乱码,用cv2.imencode('.jpg', img)[1].tofile(filename) 替换imwrite,问题解决。原创 2020-10-26 22:17:50 · 4779 阅读 · 5 评论 -
解决cv2.imread读取带有中文路径或名称的图片返回None问题
cv2.imread读取带有中文路径或名称的图像时,总是结果返回为None,使用Image.open就没有问题,查阅后可以使用cv2.imdecode解码解决,一行代码就可以解决这个问题。原创 2020-11-18 11:30:06 · 2269 阅读 · 0 评论