yolo修改标注框的线条粗细

文章讨论了在测试训练出的Yolov5模型时遇到的标注框粗重叠问题,提供了解决方案,即在ultralytics/utils/plotting.py文件中修改`cv2.rectangle`的`thickness`参数。作者分享了具体操作步骤和测试验证的方法。
摘要由CSDN通过智能技术生成
问题:

测试训练出的模型时,发现标注框很粗,多个标注重叠,怎么解决:

解决方法:

参考博文:

yolov5/v7修改标签和检测框显示【最全】_plots.py中的box_label函数-CSDN博客

(原博文要修改的文件和我的文件名字不同,但给了我启发,我不知道自己用的yolo什么版本)

1、修改文件

D:\software\anaconda3\Lib\site-packages\ultralytics\utils\plotting.py

(这里的地址是,我本机的地址,如果不知道该文件在哪可以在代码中按ctrl点击左键进入这个文件里找)

找到这句话(原文件里没这些注释,我网上查的),更改thickness:

cv2.rectangle(self.im, p1, p2, color, thickness=self.lw, lineType=cv2.LINE_AA)
#self.img 图片
#p1  所画框的左上角坐标
#p2  所画框的右下角坐标
#color 框的颜色,可以以自己修改(b,g,r)
#-1  框的粗细  如果为负值则代表填充整个框
#cv2.LINE_AA 线型 

测试是否生效:

将line_width改成1之后重新检测:

  • 9
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
YOLO(You Only Look Once)是一种流行的目标检测算法,其特点是能够快速而准确地检测图像中的多个物体。为了提高YOLO算法的效率,开发者们还设计了一种自动标注工具,能够帮助用户自动标注训练数据集。 YOLO自动标注工具的原理是利用计算机视觉技术,通过图像处理算法自动检测和定位感兴趣的物体,并为其生成标注。该工具可以根据用户需求,对图像中的物体进行分类和定位,生成标注结果。 YOLO自动标注工具具有以下优点: 1. 自动化:相比于传统的手动标注方法,YOLO自动标注工具能够快速、高效地完成标注任务,减少了人工操作的时间和精力。 2. 精度高:该工具利用先进的目标检测算法,能够准确地检测并定位图像中的物体,生成准确的标注结果。 3. 可扩展性:YOLO自动标注工具可以灵活地根据用户需求进行定制化设置,满足不同任务的标注需求。 4. 多标签支持:该工具支持对图像中多个物体进行标注,可以识别并标注出不同类别的物体。 尽管YOLO自动标注工具具有许多优点,但也存在一些潜在的问题。例如,在复杂场景下,该工具可能会出现一定的识别误差;此外,它还依赖于训练数据集的质量和数量,因此需要一定的数据准备工作。 总之,YOLO自动标注工具在目标检测任务中具有重要的应用价值,能够大大提高标注效率和准确性。然而,对于特定的应用场景和数据集,用户需要权衡其优势和限制,并进行适当的调整和改进。
评论 4
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