Sean.Pu的专栏

摘要：作者在尝试了Labelme和MakeSense后转向LabelStudio进行数据标注，重点解决了YOLO格式数据导入问题。通过配置环境变量（设置本地文件路径为D:\yolo\adtrain_data）和使用label-studio-converter工具，成功将YOLO格式的训练数据转换为LabelStudio可识别的JSON格式。关键步骤包括启用本地文件服务、正确设置文件根目录路径，并确保图像URL路径（如http://localhost:8080/data/local-files/?d=trai

使用了 cv2.CascadeClassifier("D:\\opencv-4.52\\data\\haarcascades\\haarcascade_frontalface_default.xml")汇总的就是: insightface 脸部的查找最好，稍微有点慢，不知道是不是因为推理了年龄和性别。以下结果展示了不同角度下，都给了一个准确的结果。脑壳有包又花时间折腾了一下，其实之前也折腾过，主要是新看了一个方法。以上两种都是opencv的自带方案，要么找脸不全，要么错误的找脸。

def load_image_into_numpy_array(path): img_data=tf.io.gfile.GFile(path,'rb').read() image=Image.open(BytesIO(img_data)) # print(image.shape) (im_width,im_height)=image.size return np.array(image.getdata()).reshape((im_height,im_wi.

tensorflow 现在已经更新到2.5版本了，网上很多资料还都在1.x 的版本，1.x 的版本和2.x 的版本相差挺大，tensorflow 两个版本之间

有的时候，有些图片内容上的文字或者图像需要全部盖住，我们就必须人工找出来，批量去除。太多太烦的时候就可以使用下面的代码批量去除。简单易用！例如你截图了某个微信聊天记录想盖掉某个对话人，或者你的某个图片中出现了某个人民要全部盖调，这就是一个简单而且高效的方法import numpy as npimport cv2img=cv2.imread('c:/opencv/chatlist.png')img_gary=cv2.cvtColor(img, cv2.COLOR_BGR2GR..