YOLOv3的批量图片检测以及批量输出(windows下)

YOLOv3的批量图片检测

前言:本文写的目的是因为自己在寻找方法的时候看到的博客需要修改的地方太多,容易出错,所以写一个简单一点,也算给自己一个备注。尽量傻瓜式,所以多图警告!本文的批量检测需要:

1. 改极少量的代码(darknet框架下作者的原生代码)。

2. 一个包含所有需要检测图片路径的txt文件,一行为一个图片的地址。

3. 在cmd下输入指令。

1.代码修改

用vs打开darknet工程文件,找到文件名为detector.c的C文件,ctrl+f搜索"save_image(im, "predictions")",然后定位到这一行,应该是1200+行,然后将其替换为如下代码:

char b[512];
sprintf(b, "output/%s", GetFilename(input));//保存在output中
save_image(im, b);

画风如下:

2. 准备一个包含所有需要检测图片路径的txt文件

把要检测的图片的绝对地址全部放在一个txt文件中,画风如下所示:

3. 在cmd下用指令检测即可

在darknet的工程路径下创建一个名为“output”的文件夹,画风如下所示:

然后和yolo训练指令类似,在cmd下输入以下指令即可(如果用的coco数据集格式前几个参数可能稍有不同,不过后面都是一样的):

.\darknet.exe detector test <data/voc.data> <cfg/yolo-voc.cfg> <yolo-voc.weights> -ext_output -dont_show <data/train.txt> <result.txt>

 其中用“< >”尖括号框出来的地方需要修改:

data/voc.data:检测用模型的voc.data文件的地址。

cfg/yolov2-voc.cfg:检测用模型的cfg文件的地址。

yolo-voc.weights:检测用模型的weights文件的地址。

data/train.txt :步骤2中准备的txt文件地址。(看评论发现这里忘记说明了,data/train.txt需要用尖括号括出来,不然会出现"Cannot load image"错误

result.txt:输出文本格式的检测结果的文件名,随意,用"result.txt"就行。

运行之后就能在output文件夹中看到所有带有检测结果的图片了。

画风如下所示(用的灰度图进行检测的,所以框可能看不清楚):

然后还会生成一个result的txt文件,打开画风如下所示:

  • 8
    点赞
  • 48
    收藏
    觉得还不错? 一键收藏
  • 45
    评论
### 回答1: 您好,使用yolov5进行批量检测图片的方法如下: 1. 准备待检测图片,将它们放在同一个文件夹中。 2. 在终端中进入yolov5代码所在的文件夹。 3. 运行以下命令: python detect.py --weights yolov5s.pt --img 640 --conf .4 --source /path/to/folder/with/images 其中,--weights指定模型权重文件的路径,--img指定输入图片的大小,--conf指定置信度阈值,--source指定待检测图片所在的文件夹路径。 4. 等待程序运行完成,检测结果会保存在同一文件夹中,以检测图片的文件名为前缀。 希望对您有所帮助。 ### 回答2: YOLOv5是目前在计算机视觉人工智能领域中较热门的算法之一。它是基于深度学习技术的目标检测算法,并且在检测速度和准确率方面表现优异。其基于PyTorch框架的实现使得其具备较好的可用性和易于扩展。在实际应用中,我们常常需要对大量图像进行批量检测,这时候,就可以使用YOLOv5批量检测图片。 首先,我们需要准备好一批需要检测图片,并将这些图片保存在一个文件夹中。接着,我们需要使用YOLOv5的命令行工具yolov5/detect.py进行批量检测。运行该命令行工具需要指定的参数包括: 1. --source:要检测图片所在文件夹的路径; 2. --weights:预训练的模型权重文件路径; 3. --conf:置信度阈值,过滤掉检测框置信度低于该阈值的结果; 4. --iou:IoU阈值,过滤掉重复检测框的结果; 5. --output:检测结果保存路径。 例如,我们可以使用以下命令行指令,在指定文件夹中批量检测图片: ``` python detect.py --source /path/to/images --weights yolov5s.pt --conf 0.5 --iou 0.5 --output /path/to/output ``` 运行以上指令后,YOLOv5就会自动批量检测图片,并且将检测结果保存在指定的输出路径下。 此外,YOLOv5还提供了许多其他的参数,例如可以指定使用CPU还是GPU进行计算。如果要将检测结果可视化,可以将"--view-img"参数设置为True。 总之,YOLOv5是一款十分灵活、强大且易于使用的目标检测算法,在许多场景中都可以发挥重要的作用。对于需要批量检测图片的应用,我们可以使用其提供的命令行工具轻松实现批量检测任务。 ### 回答3: YOLOv5是一种目标检测算法,可用于检测图像或视频中的目标对象。在实际应用场景中,用户通常需要批量处理一组图像,进行目标对象的检测和分析。在这种情况下,YOLOv5的批量检测功能就非常有用了。 批量检测图像采用了自动化处理的方式,即通过编写脚本程序自动读取多张图片,并将检测结果输出到指定的文件夹中。YOLOv5批量检测图片需要采用以下步骤: 步骤1:下载YOLOv5 在进行批量检测之前,需要先下载并安装YOLOv5。可以从Github上获取YOLOv5的所有源代码和文件,并按照指示进行安装。 步骤2:选择测试图片 选择需要进行批量检测图片集合。这些图片必须放在同一个文件夹中,方便程序自动读取。 步骤3:编写脚本程序 编写 Python 脚本程序,实现读取图片并进行目标检测。这个脚本程序包含以下几个部分: 一、读入模型,加载模型权重。 二、设置设备,可以使用 GPU 或 CPU 进行检测。 三、设置图片路径,通过循环遍历指定文件夹中的所有图片: 1.使用cv2读取图像; 2.对图像进行预处理,如归一化、缩放、转换颜色空间等操作。 3.将处理后的图像传递给模型进行目标检测,返回目标框信息。 四、根据目标框信息在原图上画出框和标签,输出到指定文件夹中。 步骤4:运行程序 将编写好的脚本程序保存到指定文件夹,打开命令提示符窗口,在程序所在目录下执行python命令运行程序。程序运行时间根据所检测图片数量和复杂度而异。 步骤5:检查结果 程序运行结束后,根据自动指定的输出文件夹查看检测结果,可以使用cv2.imshow()或matplotlib将结果显示在屏幕上,或是将结果保存到指定文件夹。可以通过这些方法来检查所输出的结果的准确性和完整性。 总而言之,YOLOv5批量检测图片的程序编写和执行需要一定的程序设计和编程知识,同时也需要对目标检测方法和算法有一定的了解。对于没有编程经验和专业知识的用户,可以在网络上寻找已有的程序代码或相关教程,以便更好地进行批量检测图片

“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 45
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