葡萄目标检测(yolov8模型,无需修改路径,python代码,解压缩后直接运行)

运行效果视频:葡萄目标检测(yolov8模型,无需修改路径,python代码,解压缩后直接运行)_哔哩哔哩_bilibili

1.采用yolov8模型

 models文件夹保存的是yolov8的训练好的模型参数

PinotNoir文件夹存放的是训练集 ,测试集和验证集葡萄照片与标签

 

 

 2,效果

 代码运行要求:TensorFlow>=2.4.0
python>=3.6

对代码感兴趣可以关注

from ultralytics import YOLO
import os
from PIL import Image

# 获取当前工作目录
current_directory = os.getcwd()

# 拼接图片文件路径
image_path = os.path.join(current_directory, '1.jpg')
image = Image.open(image_path)
data_dir = "./data/Grapes/Grapes/PinotNoir"
#压缩包https://mbd.pub/o/bread/ZJ2UlZhy

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
YOLOv5是一种先进的目标检测算法,可以用于检测图像中的不同对象。在进行目标检测之前,可以使用图像增强技术来提高模型的性能和鲁棒性。 在Python中,我们可以使用OpenCV库来实现图像增强。下面是一个简单的代码示例,用于对图像进行亮度和对比度的调整: ```python import cv2 import numpy as np def adjust_brightness_contrast(image, brightness, contrast): # 将图像转换为浮点数 image = image.astype(np.float32) # 调整亮度 image = image * (1 + brightness) # 调整对比度 image = image * contrast # 将图像截取到0-255的范围内 image = np.clip(image, 0, 255) # 将图像转换为8位整数 image = image.astype(np.uint8) return image # 读取图像 image = cv2.imread("image.jpg") # 调整亮度和对比度 brightness = 0.2 contrast = 1.5 enhanced_image = adjust_brightness_contrast(image, brightness, contrast) # 显示原始图像和增强后的图像 cv2.imshow("Original Image", image) cv2.imshow("Enhanced Image", enhanced_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 该代码首先定义了一个名为`adjust_brightness_contrast`的函数,以图像、亮度和对比度作为参数。在函数内部,图像被转换为浮点数并根据给定的亮度和对比度进行调整。然后,图像被截取到0-255的范围内,并转换为8位整数。最后,通过调用`imshow`函数来显示原始图像和增强后的图像。 这只是图像增强的一个简单示例,还可以使用其他技术,如直方图均衡化、高斯模糊、尺度变换等来增强图像。根据具体的需求和图像特征,可以选择适合的增强方法来优化YOLOv5目标检测的性能。

“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
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

打赏作者

深度学习的奋斗者

你的鼓励是我努力的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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