关于YOLO系列自定义颜色

我在颜色这里做出了解释供大家学习
class Colors:
    # Ultralytics color palette https://ultralytics.com/
    def __init__(self):
        # hex = matplotlib.colors.TABLEAU_COLORS.values()
        hexs = (
                'FF3838', 'FF9D97', 'FF701F', 'FFB21D', 'CFD231', '48F90A', '92CC17', '3DDB86', '1A9334', '00D4BB',
                '2C99A8', '00C2FF', '344593', '6473FF', '0018EC', '8438FF', '520085', 'CB38FF', 'FF95C8', 'FF37C7')

        #  第一次测试用颜色 '0018EC','48F90A','FF3838',
        # hexs = ('0000FF','00FF00','FF0000')  # 亮橙色 青绿色 鲜粉红色

        # 'FF3838': 亮红色。'FF9D97': 淡红/粉红色。'FF701F': 亮橙色。'FFB21D': 金色。'FF95C8': 粉红色。'FF37C7': 鲜粉红色。
        # 'CFD231': 柠檬绿。'48F90A': 鲜绿色。'3DDB86': 青绿色。'1A9334': 深绿色。'00D4BB': 青色。'2C99A8': 淡青色。
        # '00C2FF': 亮蓝色。'344593': 深蓝色。'6473FF': 亮紫色。'0018EC': 宝蓝色。
        # '8438FF': 紫罗兰色。'520085': 深紫色。'CB38FF': 淡紫色。




        self.palette = [self.hex2rgb(f'#{c}') for c in hexs]
        self.n = len(self.palette)

    def __call__(self, i, bgr=False):
        c = self.palette[int(i) % self.n]
        return (c[2], c[1], c[0]) if bgr else c

    @staticmethod
    def hex2rgb(h):  # rgb order (PIL)
        return tuple(int(h[1 + i:1 + i + 2], 16) for i in (0, 2, 4))


colors = Colors()  # create instance for 'from utils.plots import colors'
  • 12
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要使用YOLO实现自定义目标识别,你需要按照以下步骤进行操作: 1. 数据准备:收集并整理包含自定义目标的图像数据集。确保数据集中的图像覆盖了各种场景、角度和光照条件下的目标。 2. 标注数据:使用标注工具对图像进行标注,标记出自定义目标的边界框和类别。可以使用一些常见的标注工具,如LabelImg、RectLabel等。 3. 配置YOLO: 下载YOLO的代码和预训练权重。YOLO有不同版本,如YOLOv3、YOLOv4等,你可以根据自己的需求选择适合的版本。 4. 调整配置文件:根据你的自定义目标,调整YOLO的配置文件。主要修改类别数量、训练集和验证集的路径、模型输入尺寸等参数。 5. 数据集划分:将数据集划分为训练集和验证集。通常使用80%的数据作为训练集,20%的数据作为验证集。 6. 训练模型:使用划分好的训练集对YOLO模型进行训练。可以使用预训练权重进行初始化,并在自定义数据集上进行迭代训练。训练过程中,可以调整学习率、迭代次数等超参数。 7. 模型评估:使用验证集对训练好的模型进行评估,计算模型的精度、召回率等指标。 8. 测试目标识别:使用训练好的YOLO模型对新的图像进行目标识别测试。可以将模型应用于实时视频流或静态图像,输出检测到的自定义目标的边界框和类别。 以上是一个基本的步骤,实际操作中可能还需要进行一些调试和参数调整。此外,为了获得更好的性能,你可能需要进行数据增强、模型微调和超参数优化等工作。

“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