yolov8测试图片并保存预测结果，用于map的计算

前言

当我们使用yolov8进行测试指定文件夹里的图片时，为了计算相应的map，需要先将yolov8的预测结果保存为txt文件；然后将txt文件中的格式(类别、框的中心点和高宽，置信度)转换成符合要求的格式(类别、置信度、框左上角坐标点、框右下角坐标点)。最后运行map计算代码

yolov8测试图片并保存预测结果

按照下面的方法来测试图片并保存预测结果，其中参数model为yolov8的pt模型，参数source为测试的图片或者图片的文件夹路径，参数save_txt设置为True：将预测结果保存为txt文件，参数save_conf设置为True：置信度也保存在txt文件中。

#使用命令
yolo detect predict model=/***/***.pt source=/**/ save_txt=True imgsz=416 save_conf=True
# 或者使用代码
Model = YOLO("/***/***.pt") # load a pretrained model (recommended for training)
Model.predict(source="/**/",save_txt=True, imgsz=416, save_conf=True)

格式转换

由于yolov8预测结果保存的格式为类别、框的中心点和高宽，置信度。我们需要将其转换成类别、置信度、框左上角坐标点、框右下角坐标点。下面的代码实现此需求。

import numpy as np
import cv2
import torch
import os
# 需要该下面这两处地方
label_path = './input/labels0'  # label_path：未转换的txt文件夹路径
image_path = './input/images-optional'  # label_path：原图的文件夹路径

#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=416, h=416, 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 * (x[:, 1] - x[:, 3] / 2) + padh  # top left y
    y[:, 2] = w * (x[:, 0] + x[:, 2] / 2) + padw  # bottom right x
    y[:, 3] = h * (x[:, 1] + x[:, 3] / 2) + padh  # bottom right y
    return y

folder = os.path.exists('DR')
if not folder:           
	os.makedirs('DR') 

folderlist = os.listdir(label_path)
for i in folderlist:
    label_path_new = os.path.join(label_path,i)
    with open(label_path_new, 'r') as f:
        lb = np.array([x.split() for x in f.read().strip().splitlines()], dtype=np.float32)  # labels
        print(lb)
    read_label = label_path_new.replace(".txt", ".jpg")
    read_label_path = read_label.replace(label_path, image_path)
    print(read_label_path,"ddd")
    img = cv2.imread(str(read_label_path))
    h, w = img.shape[:2]
    lb[:, 1:] = xywhn2xyxy(lb[:, 1:], w, h, 0, 0)  # 反归一化

    # 绘图
    for _, x in enumerate(lb):
        class_label = int(x[0])  # class

        with open('DR/' + i, 'a') as fw:#这里需要把confidence放到第二位
            fw.write(str(int(x[0])) + ' ' + str(x[5])+' '+str(x[1]) + ' ' + str(x[2]) + ' ' + str(x[3]) + ' ' + str(
                x[4]) + '\n')
    '''cv2.imshow('show', img)
    cv2.waitKey(0)  # 按键结束
    cv2.destroyAllWindows()'''

运行结果后，会生成一个文件夹名字为“DR”的文件夹，将里面的txt文件放置在./input/detection-results里面。

最后运行map计算代码