糯米丸子TAT的博客

原始的标注为rgb彩色的mask, 希望将其统一为0和1的二值图下面的代码可以实现将rgb彩色的三波段mask转为单波段的0-1mask:...

在深度学习目标检测中，常常需要统计样本标签的类别及对应的目标数，使用下面的代码可以快速实现此功能。# coding=utf-8import osimport pandas as pdsample_dir = '../labels/' # 标签文件所在的路径filenames = os.listdir(sample_dir)class_list = []anno_num = 0#遍历文件获得类别列表for filename in filenames: if '.txt'

DOTA数据集是遥感影像目标检测的常用标准数据集，其标签文件以txt的形式存储，一个txt对应一张样本影像，txt中的每一行对应影像中的一个目标，每个目标的外围边界框表示为[ x1 y1 x2 y2 x3 y3 x4 y4 label difficult]，具体如下所示：PASCAL VOC也是目标检测、图像分割任务中常用的基准数据之一，其样本标签以xml的文件形式存储，每个xml对应一张样本影像，object的边界框坐标信息由顶点坐标值【xmin ymin xmax ymax】表示，具体如下所示.

在进行目标检测或语义分割模型的训练时，我们往往会融合开源数据，但数据集较多就会存在标签不一致的问题，下面的代码可用于修改txt格式标签文件中的label字段:def changeLabel(txt_path, new_txt_path): """ :param txt_path: 原始的标签文件路径 :param new_txt_path: 保存修改后的标签文件的路径 """ filenames = os.listdir(txt_path) for fi

在遥感影像的目标检测中，我们通常希望将检测结果与原始影像进行叠加，以便查看和分析。最简单的方法就是将检测结果输出成shapefile的形式，下面提供一种基于Python的转换方法import osimport gdalimport geopandas as gpdimport ogrimport osrimport rasterio.featuresimport shapelydef box_list2shp(det_file, img_file, out_shapefile):

深度学习目标检测的标签数据是以一系列点的形式存储在文件中，输出结果也是以点的形式表示，难以进行目视判读。本代码可以根据检测结果在原始影像上绘制边界框，实现检测结果的可视化。在OBB的目标检测中，DOTA数据的标签以[x1 y1 x2 y2 x3 y3 x4 y4 class difficult]格式记录在txt文件中，如下所示：标签文件与影像文件的名称一一对应：将标签数据绘制在影像上的可视化代码如下：# -*- coding: utf-8 -*-import os, cv2i.

下面的代码可以读取文件夹中的所有文件名，并记录到txt文件中，可以应用到如深度学习制作数据集等场景中# !/usr/bin/env python# -*- encoding: utf-8 -*-import osimg_path = './images/'img_list=os.listdir(img_path)print('img_list: ',img_list)with open('testImagelist.txt','w') as f: for img_name i