Yolov8修改检测框标签字体大小

最新推荐文章于 2024-07-15 18:53:08 发布
最新推荐文章于 2024-07-15 18:53:08 发布
阅读量1.1k 收藏 5
点赞数 2
文章标签： YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_73914064/article/details/137988315
版权
本文指导用户如何在Ultralytics库的plotting.py文件中找到并调整`fs`参数以改变图表字体大小，通过Annotator类进行修改，并演示了运行val.py后的效果。
摘要由CSDN通过智能技术生成

  在目录文件夹下ultralytics\utils\plotting.py进入python文件，按住 ctrl+f 搜索  fs 在如图第741行处修改fs的值为自己想要的字体大小

annotator = Annotator(mosaic, line_width=round(fs / 10), font_size=72, pil=True, example=names)

修改完后运行val.py结果如图

m0_73914064
关注
  • 2
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
项目优化篇 | YOLOv8 标签透明化 | 标签文字大小调节 | 框粗细调节
YOLOv8项目贡献者
06-18 5830
YOLOv8 标签透明度调节
yolov8修改预测框上预测结果字体大小
m0_68212477的博客
02-29 2561
yolov8修改预测框上预测结果字体大小
yolov8显示检测图片的类别数量、透明化标签和边界框
z990718624的博客
04-16 1041
他已经把代码已经全部给出了，只要注意代码的缩进，就可以大功告成了。不过，有的朋友还是不懂得修改，那么我就把测试的python完整代码放到csdn上吧，设置的0积分下载。打开【ultralytics/engine/predictor.py】只需要遍历统计这个类别序号的个数即可。【self.results[i].boxes.cls】这个属性里面，有类别的统计。代码文件：ultralytics/yolo/utils/plotting.py。遍历完数据后，定义一个空的字典【names_dic = {}】
YOLOv8中文分类标签显示问题解决
qq_34649040的博客
06-20 795
YOLOv8底层源代码修改解决中文标签分类显示问题，主要解决训练完成之后验证集结果图片中文显示和模型预测图片中的中文显示问题。class Annotator:下的init注解调，然后修订成下面的方法，其中font的路径修改成自己下载的字体路径。字体先确保已下载完毕，不然还是不起作用，本次windows10整体运行完毕结果正常显示。
Yolov5检测结果中检测框和字体大小整体修改
Fsdelin的博客
12-01 5393
Yolov5检测结果中检测框和字体大小整体修改
YOLOv8及其改进系列(五) modules.py 文件划分子集 | 标签透明化与文字大小调节 | 框粗细调节
weixin_44302770的博客
12-23 2318
最近YOLOv8的官方项目又迎来了一个大更新，这次更新对基础不好的同学影响可能比较大，这次更新主要就是将原本的拆分成了以下6有的同学可能不知道该加哪里了，我这里给大家说一下。
YOLOv5、v7、v8如何修改检测框文字颜色和大小
Yayisheng的博客
07-08 526
YOLOv5和YOLOv8默认的标签文字颜色为白色，但是在亮度较大的图片中文字不明显，就需要对标签文字的颜色进行修改。
yolov8检测框过小解决方案
Suan2014的博客
07-11 1888
训练集上最大边长：ultralytics/yolo/utils/loss.py（此为8.0.117版本位置，前期版本位置不太一样，找到训练的loss函数即可），在loss函数中加入打印，即以下代码中的print。分析：dfl loss是检测框和真实框比较相近时（即在真实框的某个相近范围内），loss就会很小，个人理解是一种软标签，而我们平时用的box loss是硬标签，此时要加大box loss在loss中的权重。将self.reg_max设置为1，即不采用dfl loss，查看检测框是否正常；
设置YOLO-V8的参数
hzp666的博客
09-27 7713
Boxes对象可用于索引、操作边界框，并将其转换为不同的格式。Box格式转换结果是缓存的，这意味着每个对象只计算一次，并且这些值将在将来的调用中重复使用。YOLOv8可以处理很多类型的识别，比如：图片、视频、还有YouTube的网页连接，强不强！、NumPy数组、Torch张量、CSV文件、视频、目录、通配符、YouTube视频和视频流。表格✅指示了每个输入源是否可以在流模式下使用，并给出了每个输入源使用流模式的示例参数。设置预测参数，可以满足我们不同的需求。：用于操作边界框的属性和方法的对象。
基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的的商品标签识别系统（Python+PySide6界面+训练代码）
思绪无限的博客
03-11 5249
开发商品标签识别系统对零售效率和顾客体验至关重要。本博客介绍了利用深度学习构建此系统的完整代码资源，提供了基于YOLOv8算法的代码实现。系统与YOLOv7、YOLOv6、YOLOv5性能对比，包括mAP、F1 Score分析。文章详解YOLOv8原理，附Python代码、数据集，并展示了PySide6 UI界面。系统准确识别商品标签，支持多种输入和功能，如热力图、类别统计。包含基于SQLite数据库的用户登录注册界面，支持模型切换、UI定制。旨在为新手提供指导，代码和数据集链接文章末提供。
YOLOv8目标检测源码.rar
05-11
YOLOv8可能使用了多尺度训练，即在不同大小的输入图像上训练模型，以提高对不同尺寸目标的检测能力。此外，它可能采用了数据增广技术，如随机翻转、缩放和裁剪，以增加模型的泛化性能，防止过拟合。 训练过程通常...
yolov8常用二维码检测检测+数据集
04-24
1、yolov8常用二维码检测检测，包含训练好的二维码检测检测权重，以及PR曲线，loss曲线等等，在二维码检测数据集中训练得到的权重，有pyqt界面，目标类别为QR_code共1个类别，并附2000多张二维码检测检测数据集，...
yolov8姿态检测预训练权重.zip
04-19
资源包括：yolov8n-pose.pt，yolov8s-pose.pt，yolov8m-pose.pt，yolov8l-pose.pt，yolov8x-pose.pt，yolov8x-pose-p6.pt姿态检测预训练权重文件
yolov8目标检测权重
02-29
4. **多尺度训练**：YOLOv8可能采用了多尺度训练策略，使模型能够处理不同大小的对象，提高小目标检测的准确性。 5. **Focal Loss**：类似于YOLOv5，可能会引入Focal Loss来解决类别不平衡问题，特别是对于小目标和...
YOLOV8行人检测权重+数据集
06-28
1、YOLOV8行人检测，内含各种训练曲线图，在几千张街道和交通场景的行人数据集中训练得到的权重，并附有数据集，使用lableimg软件标注软件标注好的行人数据，图片格式为jpg，类别名为person; 可以直接用于YOLO系列的...
YOLOv5,v8中文标签显示问题
heromps的博客
08-31 3935
本人使用的是YOLOv5-7.0，YOLOv8的最新版本。
YOLOv8检测更改检测目标名称和标签边界框粗细及颜色
最新发布
dong1505的博客
07-15 273
本专栏为新开专栏，陆续会更新YOLO相关的改进算法。修改绘制的类别名称和置信度，标签边界框的粗细。修改下面要修改的类别名称以及对应的颜色。修改要加载的模型权重和要检测的图片路径。
yolov8修改检测框
11-28
根据提供的引用内容，yolov8修改检测框的方法如下： 1. 在训练集中随机挑选200张左右作为训练集，加快验证速度； 2. 将box loss的权重扩大为原来的2倍，训练30个epoch左右，观察验证集上的检测框是否正常； 3. 如果检测框依然过小，尝试将初始学习率扩大为原来的2倍、4倍、5倍，训练30个epoch左右，观察验证集上的检测框是否正常； 4. 重复步骤2和步骤3直至检测框正常； 5. 更换为原始数据集，如果调大batchsize, 初始学习率也要相应增大。 如果1调整后检测框依然过小，可以按照以下方式调整： 1. 找到所能检出框的最大边长公式：(self.reg_max-1)*2*max_stride； 2. 原始yolov8中，strides为[8, 16, 32]，self.reg_max为16，因此检测框的最大边长为(16-1)x2x32=960； 3. 根据实际情况调整self.reg_max和max_stride的值，以增大检测框的最大边长。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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