mmdetection调整检测框和文字大小

已于 2022-07-18 12:43:41 修改
阅读量1.4k 收藏 3
点赞数 2
分类专栏： mmdet
于 2022-07-18 12:42:27 首次发布
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/vastz/article/details/125846490
版权

MMDetection 颜色配置 尺寸设置 目标检测 框架定制
关键词由CSDN通过智能技术生成

设置颜色和大小

注意这里采用的事BGR颜色设置
进入mmdet安装目录
我的是/usr/local/lib/python3.7/dist-packages/mmdet-2.18.0-py3.7.egg/mmdet/
打开/usr/local/lib/python3.7/dist-packages/mmdet-2.18.0-py3.7.egg/mmdet/apis/inference.py 设置检测框和文字颜色。
在这里插入图片描述

打开/usr/local/lib/python3.7/dist-packages/mmdet-2.18.0-py3.7.egg/mmdet/models/detectors/base.py 设置thickness 和 font_size在这里插入图片描述

Henry Zhao
关注
专栏目录
MMDetection3D对三维数据进行检测
03-28
MMDetection3D支持多种主流的三维检测算法，并提供了丰富的数据集接口和预训练模型，使得用户能够方便地进行三维目标检测的研究和应用。 使用MMDetection3D对三维数据进行检测主要涉及以下几个步骤： 安装和配置MM...
mmdetection3.0 以上版本推理时，去掉预测检测框的标签名称文字标注以及置信度
最新发布
weixin_43367443的博客
03-28 650
终于找到mmdetection3.0 以上版本推理时，去掉显示结果框的文字标注以及置信度的方法啦！亲测有效！！！
目标检测修改检测框大小、粗细
qq_40502460的博客
05-27 9622
如果你的网络是用mmdetection写的，可视化预测结果时，发现框的线条太细，当输入图片太大时会看不清标注的框。 我们可以通过修改mmdtection中的一些参数来改变检测框的颜色、粗细以及字体的大小。 改变检测框的颜色、粗细、文字大小 找到mmdet/models/detectors/base.py文件，修改class BaseDetector()中的show_result()函数的输入参数 def show_result(self, img,
mmdetection 预测目标框和类别颜色的修改
qq_40617397的博客
11-19 7015
image.py 修改 主要修改imshow_det_bboxes函数，按照类别进行不同颜色的显示 def imshow_det_bboxes(img, bboxes, labels, segms=None, class_names=None, score_thr=0,
MMdetection3.0 问题
MZYYZT的博客
11-30 541
3、那么问题来了：为什么下图中的画圈的地方不是【**/228 or 227】，也就是dataloader的长度，为什么就莫名其妙的是【28/28】，这个28是咋来的呢？2、然后使用MMdetection3.0框架中的Faster-rcnn网络进行训练，设置训练参数batch-size=2,num_worker=2。能力有点拉，还请路过的各位大佬指点一下！1、NWPU-VHR-10有标注的数据一共650张，我将其分为了455张训练集，195张验证集。
MMdet修改检测框字体大小、位置、颜色、填充框
故乡的云和星星
06-02 3722
1.修改填充框 在mmdet/core/visulization/image.py下面，139行开始，写文字和填充框的代码，把填充框那部分注释掉2.修改检测框字体大小、颜色 找到文件，修改class BaseDetector()中的show_result()函数的输入参数def show_result(self, img, result, score_thr=0.
Paddle框架中，修改预测框的粗细和label的字号
qq_41845364的博客
03-17 5196
Paddle框架中，修改预测框的粗细和label的字号： 在PaddleDetection2.1/static/ppdet/utils/visualizer.py中修改 from future import absolute_import from future import division from future import print_function from future import unicode_literals import numpy as np from PIL import Ima
MMDetection V2.0 可视化参数修改
i013140225的博客
11-19 4489
MMDetection V2.0 可视化参数修改改变检测框的颜色、粗细、文字大小改变文字粗细修改效果 将MMDetection的检测结果在SAR图上可视化时，发现字体太小、太细，看不清。修改MMDtection中一些参数可以改变检测框的颜色、粗细、字体大小、字体粗细。 改变检测框的颜色、粗细、文字大小 找到mmdet/models/detectors/base.py文件，修改class BaseDetector()中的show_result()函数的输入参数 def show_result(self
MASK-RCNN只保留检测框，去掉mask（MMdetection），改检测框的颜色
m0_56520034的博客
07-10 766
使用mmdetection时，想去掉demo测试时的mask
目标检测+深度学习+mmdetection+框架源码
02-08
MMDetection作为深度学习目标检测领域的强大工具，因其易用性、灵活性和高效性，深受研究人员和工程师的喜爱。通过理解和掌握这个框架，开发者可以快速探索目标检测的新算法，推动计算机视觉技术的进步。在实际项目...
瑕疵检测+MMdetection+论文
04-07
1. **体系结构**：MMdetection的模块化设计，包括backbone（基础网络）、neck（连接特征层的组件）、head（检测头，用于分类和定位）等部分的介绍。 2. **算法集成**：详细阐述了如何将多种目标检测算法纳入同一框架...
mmdetection
02-22
mmdetection是深度学习领域中一个备受瞩目的开源目标检测框架，其主要基于PyTorch构建，致力于提供高效且灵活的工具，便于研究人员和开发者进行目标检测算法的研究和开发。mmdetection涵盖了多种先进的目标检测模型...
mmdetection2.8_inference.zip
01-14
mmdetection的优势在于其模块化的设计，允许用户轻松地调整或替换组件，如检测头、backbone和数据集，以适应不同的应用场景。此外，丰富的预训练模型库使得研究人员和开发者能够快速上手，进行目标检测任务的实验和...
mmdetection-coco-实现单个图像的Recall和Precision计算(Recall是想找出漏检了哪些badcase,Precision是误检了哪些)
baidu_40840693的博客
01-13 6566
目标检测的评价指标（TP、TN、FP、FN、Precision、Recall、IoU、mIoU、AP、mAP） https://www.cnblogs.com/geoffreygao/p/14095701.html 目标检测的评价指标（TP、TN、FP、FN、Precision、Recall、IoU、mIoU、AP、mAP） https://blog.csdn.net/xinyanh/article/details/102733730 mmdetection_inference.py temp_b
mmdetection中更改不同类别的检测框的颜色和字体
zzxy123456789的博客
03-15 1109
mmdetection中更改不同类别的检测框的颜色和字体
使用MMDetection进行目标检测
dejahu的博客
08-27 2920
首先需要按照官方文档在本机的电脑上安装好MMDetection，不熟悉的小伙伴可以看我下面的这篇教程。 安装好mmdetection后，对图片和视频进行目标检测非常简单，只需要3个文件即可 模型的配置文件 模型文件 需要进行推理的图片或者视频 详细的代码如下： from mmdet.apis import init_detector, inference_detector, show_result_pyplot import mmcv config_file = '../configs/faster_
mmdetection-使用技巧篇
Challovactor的博客
04-26 3184
使用Tensorboard查看训练 在config文件中添加 log_config = dict( interval=50, hooks=[ dict(type='TextLoggerHook'), dict(type='TensorboardLoggerHook') #生成Tensorboard 日志 ]) 设置之后，会在work_dir...
mmdetection3.0训练自己数据集
09-08
＊＊＊etection 3.0 训练自己的数据集，您需要执行以下步骤： 1. 数据准备：准备好您自己的数据集，并确保数据集的目录结构与 COCO 数据集相似。数据集应包含标注文件（如 JSON 或 XML）和图像文件。 2. 数据转换：将您的数据集转换为 COCO 格式。您可以使用工具如 labelme、VIA 等来标注和转换数据。 3. 配置模型：在 mmdetection 3.0 的配置文件中选择适合您任务的模型，例如 Faster R-CNN、Mask R-CNN 等。您可以在 mmdetection 的模型库中找到相关的配置文件，并根据您的需求进行修改。 4. 修改配置文件：打开所选模型的配置文件，根据您的数据集和训练需求进行相应修改。主要包括类别数目、数据集路径、训练和测试的批量大小、学习率等参数。 5. 训练模型：使用命令行运行训练脚本，指定配置文件和 GPU 数量。例如，使用以下命令启动训练： ```shell python tools/train.py <CONFIG_FILE> --gpus <NUM_GPUS> ``` 其中 `<CONFIG_FILE>` 是您修改后的配置文件路径，`<NUM_GPUS>` 是用于训练的 GPU 数量。 6. 测试模型：在训练过程中，您可以使用验证集来监控模型的性能。当训练完成后，您可以使用以下命令进行模型测试： ```shell python tools/test.py <CONFIG_FILE> <CHECKPOINT_FILE> --eval <EVAL_METRICS> ``` 其中 `<CONFIG_FILE>` 是您修改后的配置文件路径，`<CHECKPOINT_FILE>` 是训练过程中保存的模型权重文件路径，`<EVAL_METRICS>` 是评估指标，如 bbox、segm 等。 7. 推理模型：使用训练好的模型对新的图像进行目标检测。您可以使用以下命令进行推理： ```shell python tools/infer.py <CONFIG_FILE> <CHECKPOINT_FILE> <IMAGE_FILE> --show ``` 其中 `<CONFIG_FILE>` 是您修改后的配置文件路径，`<CHECKPOINT_FILE>` 是训练过程中保存的模型权重文件路径，`<IMAGE_FILE>` 是要进行推理的图像文件路径。 以上是 mmdetection 3.0 训练自己数据集的基本步骤。在实际操作中，您可能需要根据您的具体需求进行进一步的调试和优化。希望对您有所帮助！如有其他问题，请随时提问。
评论 1
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