yolov8目标检测数据集制作——make sense

背景

在前几天我进行了录制视频以准备足够多的数据集,同时使用利用python自定义间隔帧数获取视频转存为图片,所以今天我准备对我要训练的数据集进行标注。我要做的是一个基于yolo的检测项目,在搜索资料后得知大家多是用labelimg这是labelimg的使用方法或者make sense进行数据标注,在此我使用了make sense对数据进行标注,但由于前期了解不全面导致踩了坑,在此留作记录。

make sense网站

make sense

工作须知

如果有刚开始接触这个标注工具的同志请一定提前看好你标注的格式支不支持导出,我在标注过程未提前了解它不支持点标注的yolo导出,浪费了很长时间。
这是make sense的github网址:make sense的GitHub

这是它的一些快捷键:

在这里插入图片描述

这是它支持导出的格式

在这里插入图片描述

这是它支持导入的格式

在这里插入图片描述

标注步骤

1、开始

在这里插入图片描述

2、选择文件放进去

在这里插入图片描述

3、图像检测项目

在这里插入图片描述

4、添加标签类别

在这里你可以选择逐次添加标签或者一次性添加标签。

(1)逐次添加标签

在这里插入图片描述

(2)一次性添加标签

在这里插入图片描述
在这里插入图片描述
将你的标签类别文件拖入这里
标签类别文件形式如下
在这里插入图片描述

5、开始项目

在这里插入图片描述

6、工具

在这里插入图片描述

7、标注数据

1:标注,2:选择类别,3:下一个图片
在这里插入图片描述

8、导出标注文件

在这里插入图片描述选择yolo格式后导出
在这里插入图片描述在这里插入图片描述

总结

正常来说到这里就可以开心的准备下一项工作了,但正是由于我准备工作时了解不充分,导致白白浪费了时间,希望下次引以为戒。

  • 5
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
您好!要使用YOLOv4检测RTSP流,可以按照以下步骤操作: 1. 首先,您需要从Darknet的GitHub存储库中克隆YOLOv4的代码。您可以使用以下命令进行克隆: ``` git clone https://github.com/AlexeyAB/darknet.git ``` 2. 进入darknet目录,并根据您的需求进行配置。您可以修改`Makefile`中的配置选项,例如使用GPU、CUDNN版本等。完成后,运行以下命令进行编译: ``` make ``` 3. 接下来,您需要下载YOLOv4的预训练权重文件。您可以通过以下链接下载: ``` wget https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights ``` 4. 创建一个名为`rtsp.py`的Python脚本,并使用以下代码进行RTSP流检测: ```python import cv2 import subprocess # RTSP流地址 rtsp_url = 'rtsp://your_rtsp_stream_url' # 创建一个子进程来运行YOLOv4检测 detection_process = subprocess.Popen(['./darknet', 'detector', 'demo', 'cfg/coco.data', 'cfg/yolov4.cfg', 'yolov4.weights', '-rtsp_transport', 'tcp', rtsp_url]) # 获取YOLOv4的输出视频流 output_stream = cv2.VideoCapture('http://localhost:8090') while True: ret, frame = output_stream.read() if not ret: break # 在这里进行您的后续处理 # 关闭输出视频流和YOLOv4检测进程 output_stream.release() detection_process.terminate() ``` 确保将`rtsp://your_rtsp_stream_url`替换为您要检测的RTSP流的URL。 5. 运行`rtsp.py`脚本,它将打开一个新的窗口显示检测结果,并将输出视频流保存为`http://localhost:8090`。 请注意,上述代码仅提供了一个基本的示例,您可以根据需要进行修改和扩展。此外,您可能还需要安装OpenCV和FFmpeg等依赖项。

“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