VOC数据集：GT标签和predict.txt实例化图片并展示类别和置信度

VOC标签txt图片实例化图片

参考：
链接: link
链接: link

我这里用的一个文件夹装GT.txt，一个文件夹装Predict.txt，还有一个文件夹装图片。
三个文件里除了后缀名字一一对应。
例如：
GT & Predict：
2008_003379.txt
JPG：
2008_003379.jpg

import os
import cv2
import pandas
from pathlib import Path  

def find_all_files(files_path):
    """遍历指定文件夹所有指定类型文件"""
    p = Path(files_path)
    files_names = []  # 存储文件路径名称
    for file in p.rglob('*.txt'):  # 寻找所有txt文件
        files_names.append(str(file))  # 以字符串形式保存

    return files_names

files_path = r'txt路径'  # 文件夹
files_names = find_all_files(files_path)  # 获取所有文件路径名称
for i in files_names:
    #将遍历好的txt地址分为(绝对地址,名字.txt)
    result1 = os.path.split(i)
    #将名字.txt拆分为(名字,txt)
    result2 = os.path.splitext(result1[1])
    #读取txt的内容
    def read_tablemethod(filename):
        data = pandas.read_table(filename, header=None, delim_whitespace=True,error_bad_lines=False)
        return data
    if __name__ == "__main__":
        data = read_tablemethod(i)
    #根据遍历的txt名字找到对应的图片
    imgPath = os.path.join(r'图片路径(到文件夹)',result2[0]+str('.jpg'))
    img = cv2.imread(imgPath)
    font = cv2.FONT_HERSHEY_SIMPLEX  # 定义字体

    # #红色 预测框-------------------------------------------------
    # for x in range(len(data))  :
    #       xmin = data.iat[x, 2]
    #       ymin = data.iat[x, 3]
    #       xmax = data.iat[x, 4]
    #       ymax = data.iat[x, 5]
    #       a = data.iat[x, 0]
    #       b = data.iat[x, 1]
    #       cv2.rectangle(img, (xmin, ymax), (xmax, ymin), (0, 0, 255), 1)
    #       imgzi = cv2.putText(img, '{} {:.3f}'.format(a, b), (xmin, ymin), font, 0.5, (0, 255, 255), 1)
    #           # 图像，文字内容，坐标(右上角坐标) ，字体，大小，颜色，字体厚度

    #----------------------------------------------------------------
    
    
    # 绿色GT-----------------------------------------------------------------
    for x in range(len(data)) :
          xmin = data.iat[x, 1]
          ymin = data.iat[x, 2]
          xmax = data.iat[x, 3]
          ymax = data.iat[x, 4]
          a = data.iat[x, 0]
          b = 1
          cv2.rectangle(img, (xmin, ymax), (xmax, ymin), (0,255,0), 1)
          imgzi = cv2.putText(img, '{} {:.3f}'.format(a,b), (xmin, ymin), font, 0.5, (0, 255, 255), 1)
          # 图像，文字内容，坐标(右上角坐标) ，字体，大小，颜色，字体厚度
    # ----------------------------------------------------------------------
    cv2.waitKey()
    #保存地址
    img2Path = os.path.join(r'保存路径',
                           result2[0] + str('.jpg'))
    cv2.imwrite(img2Path, img)

其中一张GT.txt

输出结果

预测的txt文件与GT.txt不一样,在类别后面还包括置信度,想用预测的txt实例化图片的话只需要注释掉绿色GT部分、解除注释红色预测部分就可以了。
代码里有详细注释,不多说啦。