tianyunlinger的博客

关键代码# 最前面加入导包import yaml# 中间是代码的主体部分就不贴了# 然后在最下面main函数之前加上这一部分： logger.warning('info.yaml is being replaced by label_names.txt') info = dict(label_names=label_names) with open(osp.join(out_dir, 'info.yaml'), 'w') as f: yaml.safe_du

import numpy as npimport mathimport matplotlib.pyplot as pltx = np.linspace(0.5, 3.5, 100)y = np.sin(x)y1 = np.random.uniform(-10,10, 100)t = np.linspace(-10, 10, 100)sig = 1 / (1 + np.exp(-t))ax=plt.gca()ax.spines['right'].set_visible(False)a

下面代码写于labelme标记不规则图形（规则也行）产生的json文件，转yolo（这里是yolov5）的txt标签文件，避免再次标记

import base64import jsonimport osimport os.path as ospimport numpy as npfrom PIL import Imagefrom labelme import utilsfrom skimage import img_as_ubyteimport cv2json_file = r"D:\BaiduNetdiskDownload\laser_spot"list_path = os.listdir(json_file)

安装就行pip install dulwich --global-option="--pure"参考：https://github.com/dulwich/dulwichhttps://www.dulwich.io/

image：2D or 3D ndarray输入灰度图像，斑点被假定为暗背景上的亮(白对黑)。min_sigma：标量或标量序列，可选高斯核函数的最小标准差。保持低电平以检测更小的斑点。高斯滤波器的标准差为每个轴作为一个序列，或作为一个单一的数字，在这种情况下，它是相等的所有轴。Max_sigma:标量或标量序列，可选高斯核函数的最大标准差。保持这个高度，以检测更大的斑点。高斯滤波器的标准差为每个轴作为一个序列，或作为一个单一的数字，在这种情况下，它是相等的所有轴。sigma_ratio:浮动,

这两个类在加载图片时经常遇到，由于参数比较多，原文档又为英文，所以写篇博客记录一下。class Dataset(Generic[T_co]): r"""一个抽象类表示为:class: ' Dataset '。 所有表示从键到数据样本映射的数据集都应该子类化它。 所有子类都应该覆写:方法: ' __getitem__ '， 支持获取已给定键的数据样本。 :方法:`__len__`, 被用来返回数据集大小通过许多 :类:`~torch.utils.da

由于做数据分析老是要筛选相应图片进行训练，于是写下这段代码，遍历文件夹下所有图片，根据需求筛选想要的图片复制到新文件夹import osimport shutilIMG_EXTENSIONS = [ '.jpg', '.JPG', '.jpeg', '.JPEG', '.png', '.PNG', '.ppm', '.PPM', '.bmp', '.BMP', '.tif', '.TIF', '.tiff', '.TIFF',]def is_image_file(fi

import cv2import matplotlib.pyplot as pltimgpath = r"D:/picture/original/323-1.png"img = cv2.imread(imgpath)img2 = cv2.imread(imgpath,cv2.IMREAD_COLOR)img3 = cv2.imread(imgpath,-1)#cv2.IMREAD_UNCHANGED,可用-1替代plt.subplot(131)plt.imshow(img) plt.subp