目标检测：干掉尺寸过小的分类框

最新推荐文章于 2024-03-03 15:44:26 发布

原创最新推荐文章于 2024-03-03 15:44:26 发布 · 945 阅读

3 ·

CC 4.0 BY-SA版权

python 专栏收录该内容

10 篇文章

订阅专栏

本文介绍了一种在YOLO格式的标注文件中过滤掉小尺寸目标框的方法，以提高模型训练质量。通过设定不同类别目标框的最小尺寸阈值，可以有效避免因小尺寸框导致的训练干扰。

部署运行你感兴趣的模型镜像

防止尺寸过小的分类框影响训练，在label中（尝试过在img中抹掉但是太麻烦）干掉尺寸不理想的框。

import numpy
import glob
import os

readpath=r'C:\Users\deepw\Desktop\data2yolo\AnnotationFiles'
savepath=r'C:\Users\deepw\Desktop\data2yolo\new'
#指定读取和存储文件的路径

files=glob.glob(r'%s\*.txt' %readpath)  #获取所有txt文件
for path in files:
    filename=os.path.basename(path)[:-4]  #获取文件名
    midlist=[]
    orig=numpy.loadtxt(path)  #读取文件
    for line in orig:  #每一行判断是否为需要删除的框数据
        if line[4]==1:  #人框
            if line[2]<=10 and line[3]<=10:
                continue
        elif line[4]==2:  #车框
            if line[2]<=50 and line[3]<=50:
                continue
        midlist.append(line)
    new=numpy.array(midlist)
    numpy.savetxt(r'%s\%s.txt' %(savepath, filename), new, fmt='%d')  #另存为新的txt文件

您可能感兴趣的与本文相关的镜像