无人机目标检测-目标小环境复杂问题

小小的码农们

已于 2024-07-22 16:05:47 修改

阅读量138

点赞数 3

文章标签： YOLO 目标检测

于 2024-07-22 10:02:40 首次发布

本文链接：https://blog.csdn.net/yq337744/article/details/140601903

版权

本代码场景是无人机飞行识别检测，测过在300m高空检测地面挖机，1400张数据集，识别率很高，还是不错的，yolov5版本。

 print("下载图片数据")
    begin_time = time.time()
    mateSourceImgUrl1=mateSourceImgUrl
    # 发送网络请求获取图片数据
    response = requests.get(mateSourceImgUrl)
    # 将图片数据转换为numpy数组
    image_array = np.array(bytearray(response.content), dtype=np.uint8)
    image_cv2 = cv2.imdecode(image_array, -1)
    # 将OpenCV格式的图片转换为PIL的Image对象
    mateSourceImg = Image.fromarray(cv2.cvtColor(image_cv2, cv2.COLOR_BGR2RGB))

    response1= requests.get(sourceImgUrl)
    # 将图片数据转换为numpy数组
    image_array1 = np.array(bytearray(response1.content), dtype=np.uint8)
    image_cv21 = cv2.imdecode(image_array1, -1)
    # 将OpenCV格式的图片转换为PIL的Image对象
    sourceImg = Image.fromarray(cv2.cvtColor(image_cv21, cv2.COLOR_BGR2RGB))

    print("将图片封装成image对象")
    # 创建 Data_test 类的实例
    test_set = RS.Data_test(sourceImgUrl=sourceImg, mateSourceImgUrl=mateSourceImg,url=mateSourceImgUrl1)
    test_loader = DataLoader(test_set, batch_size=opt.pred_batch_size)
    img=predict_one(net, test_loader)
    #过滤树木，水面，广场
    img=postprocess_image(img)

    # 将PIL Image对象转换为numpy数组
    np_array_A = np.array(sourceImg)
    print("将结果融合到对比图上")