coco数据集根据标签实例化图片

在这里插入图片描述
实例中有一张图和一个标签
在这里插入图片描述标签为

45 0.479492 0.688771 0.955609 0.5955
45 0.736516 0.247188 0.498875 0.476417
50 0.637063 0.732938 0.494125 0.510583
45 0.339438 0.418896 0.678875 0.7815
49 0.646836 0.132552 0.118047 0.096937
49 0.773148 0.129802 0.090734 0.097229
49 0.668297 0.226906 0.131281 0.146896
49 0.642859 0.079219 0.148063 0.148062

给的是图的中心坐标x,y和长和宽
cv2.rectangle函数需要的是左上角和右下角的坐标

import cv2
import os
fname = '000000000009'
key=fname
img = cv2.imread(fname+".jpg")
width=img.shape[1]
height=img.shape[0]
f=open(fname+".txt")
lines=f.readlines()
for line in lines :
    para=list(map(float,line.split()))
    ptLeftTop=(int((para[1]-para[3]/2)*width),int((para[2]-para[4]/2)*height))    
    ptRightBottom=(int((para[1]+para[3]/2)*width),int((para[2]+para[4]/2)*height))
    cv2.putText(img,str(para[0]),ptLeftTop,cv2.FONT_HERSHEY_SIMPLEX,1,(0,0,255),thickness=1)
    point_color=(0,255,0)
    thickness= 1
    cv2.rectangle(img, ptLeftTop,ptRightBottom,point_color,thickness=1)
f.close
cv2.namedWindow("result",0)
cv2.resizeWindow("result",800,600)
cv2.imshow("result",img)
cv2.waitKey(0)

效果如下
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
COCO数据集是一个广泛使用的图像识别和目标检测的数据集,包含着多个类别的标注信息,如人、车、动物等。为了更好地理解和分析COCO数据集的标签,我们可以使用可视的方法。 首先,我们可以利用图像处理和计算机视觉的技术,将COCO数据集中的图像进行读取和展示。可以使用Python编程语言中的OpenCV库或其他计算机视觉库,读取图像数据,并在屏幕上显示出来。 其次,我们可以将标签信息与图像绑定在一起,用不同的颜色或形状来表示不同的类别。可以使用矩形框或者多边形来表示目标的位置和边界框,在框内部标注目标的类别名称。可以使用Python中的Matplotlib库或其他可视工具,将图像中的目标标签展示出来。 另外,我们还可以将COCO数据集中的多张图像进行批量可视,将多个图像的标签信息一目了然地展示出来。可以使用Python中的循环语句,遍历数据集中的每张图像,并依次进行展示。可以在每张图像上添加图像索引号,以便于对应和追踪。 同时,我们还可以利用可视工具来统计和分析COCO数据集中的标签信息,比如每个类别的数量分布、类别之间的关系等。可以使用Python中的统计分析库,如Pandas和NumPy来进行数据处理和分析,并将结果以可视的方式展示出来,比如柱状图、饼图等。 总之,可视COCO数据集的标签信息,可以帮助我们更好地了解数据集的内容和特点,从而更好地进行图像识别和目标检测的研究和应用。

“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
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