YOLO算法中遇到字体Arial.ttf问题(两种成功解决办法)

文章末尾,添加公众号,领取完整代码

当我们在使用YOLO算法进行训练数据的时候,会遇到字体无法下载或者无法使用的问题,本人在使用的过程中也是遇到过这样的麻烦,如下图所示

Downloading https://ultralytics.com/assets/Arial.ttf to /home/zelan/.conf

根据报错信息可得:这是因为我们在下载字体的时候出现了网络问题,具体原因可以在genera.py中进行查看。

那么解决这个问题有以下几种办法(查了很多资源,都没有一个可靠的解决办法)。本人根据自己的摸索共计总结了以下几点(亲测可用)。觉得有用点个赞关注就行!

1、通用的方法

所谓通用的方法就是出现什么问题解决问题。既然是下载不了,那就想办法下载

1.1 magic,具体不细讲。

1.2 根据下面这个链接下载到本地,然后该放哪儿放哪儿。

下载链接 https://ultralytics.com/assets/Arial.ttf

2、针对于YOLOV5 5.0\6.0

找到plot.py文件,大约在64行左右

class Annotator:
     if RANK in (-1, 0):
         check_font()  # download TTF if necessary

    # YOLOv5 Annotator for train/val mosaics and jpgs and detect/hub inference annotations
    def __init__(self, im, line_width=None, font_size=None, font='Arial.ttf', pil=False, example='abc'):
        assert im.data.contiguous, 'Image not contiguous. Apply np.ascontiguousarray(im) to Annotator() input images.'
        self.pil = pil or not is_ascii(example) or is_chinese(example)
        if self.pil:  # use PIL
            self.im = im if isinstance(im, Image.Image) else Image.fromarray(im)
            self.draw = ImageDraw.Draw(self.im)
            self.font = check_font(font='Arial.Unicode.ttf' if is_chinese(example) else font,
                                   size=font_size or max(round(sum(self.im.size) / 2 * 0.035), 12))
        else:  # use cv2
            self.im = im
        self.lw = line_width or max(round(sum(im.shape) / 2 * 0.003), 2)  # line width

将下面的代码注释掉,完事。

# if RANK in (-1, 0):
    #     check_font()  # download TTF if necessary

成功运行啦,哇哈哈哈!

 

### 设计和实现基于YOLO的车牌识别系统 #### 1. 系统架构概述 构建基于YOLO (You Only Look Once) 的车牌识别系统的首要任务是定义清晰的系统架构。该架构通常分为三个主要部分:图像预处理模块、目标检测模块以及字符识别模块[^1]。 #### 2. 数据集准备 为了训练YOLO模型,需要收集并标注大量的车牌图片数据集。这些图片应当覆盖不同光照条件、角度变化等因素的影响。对于每一张图片,都需要精确地标记出车牌的位置框及其对应的类别标签(即省份简称加字母数字组合)。高质量的数据集有助于提高最终模型性能[^2]。 #### 3. 图像预处理技术应用 在输入到YOLO网络之前,原始采集来的车辆照片往往还需要经过一系列预处理操作来提升后续处理效果。常见的做法包括但不限于灰度化转换、直方图均衡化调整对比度增强等方法;另外还可以通过裁剪感兴趣区域(ROI),去除背景干扰信息从而简化计算复杂度[^3]。 #### 4. 使用YOLO进行目标检测 YOLO作为一种先进的实时物体探测算法,在此阶段被用来定位图片中的车牌位置。具体而言就是利用已经过充分调优后的YOLOv3或者更新版本作为基础框架,并针对特定应用场景做出适当修改优化以适应小尺寸目标如车牌的特点。这一步骤完成后可以获得候选区域内含有的潜在车牌坐标矩形框列表[^4]。 #### 5. 字符分割与OCR文字解析 当获取到了可能存在的车牌范围之后,则进入下一步——对截取出来的子图实施进一步细化分析直至完成整个字符串读取工作为止。这里可以采用传统模板匹配方式或者是更现代一些的深度学习方案来进行单个汉字/英文字母级别的分类预测作业。最后将所有结果拼接起来形成完整的牌照编号序列[^5]。 ```python import cv2 from PIL import Image, ImageDraw, ImageFont def draw_text(image_path, text, position): img = Image.open(image_path) draw = ImageDraw.Draw(img) font = ImageFont.truetype("arial.ttf", size=20) draw.text(position, text, fill="red", font=font) img.show() draw_text('license_plate.jpg', '沪A88888', (100, 100)) ```
评论 3
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

打赏作者

Hack Hui

爱你们呦

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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