BDD1.4更换Logo图片

本文介绍如何在安装bdd之前,将Oracle的默认图片替换成客户指定的图片,涉及到的具体路径为/opt/bdd140/studio/eid_studio.war/eid-protal.war/html/css/eid-default/images/eid-default-images/common/logotype_oracle.png。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

需要将Oracle的图片更换成客户的图片

/opt/bdd140/studio/eid_studio.war/eid-protal.war/html/css/eid-default/images/eid-default-images/common/logotype_oracle.png


这里有两张图片,在安装bdd前替换安装文件

### BDD100K 数据集 图片资源 下载或查看 BDD100K 数据集由加州大学伯克利分校的 Berkley DeepDrive 项目团队创建,是自动驾驶研究领域的重要资源[^4]。该数据集提供了大规模的真实世界驾驶场景图片及其标注信息,涵盖了车辆、行人、自行车、交通标志等多种类别。以下是关于 BDD100K 数据集中图片资源的详细信息和获取方式: #### 数据集内容概述 BDD100K 数据集包含以下关键组成部分: - **图片数量**:总计 79863 张图片,其中训练集包含 69863 张图片,验证集包含 10000 张图片[^3]。 - **图片分辨率**:每张图片的原始分辨率为 1280x720 像素[^5]。 - **标注类别**:包括汽车(car)、公共汽车(bus)、行人(person)、自行车(bike)、卡车(track)、摩托车(motor)、列车(train)、骑行者(rider)、交通标志(traffic sign)和交通信号灯(traffic light)等 10 个类别。 - **多样性**:数据集中的图片覆盖了不同的城市街道场景、时间(白天/夜晚)、天气状况等,确保模型在多种环境下具备鲁棒性[^5]。 #### 下载与查看方式 BDD100K 数据集的下载地址为 [https://gitcode.com/Universal-Tool/18431](https://gitcode.com/Universal-Tool/18431)[^4]。此外,官方项目地址为 [https://gitcode.com/gh_mirrors/bdd/bdd100k](https://gitcode.com/gh_mirrors/bdd/bdd100k)。用户可以通过以下步骤下载并查看数据集中的图片资源: 1. **访问官方网站或镜像站点**:前往上述链接,选择需要的数据子集进行下载。 2. **解析标签文件**:数据集的标签以 JSON 格式提供,需使用 Python 或其他编程语言解析 JSON 文件以获取标注信息[^2]。 3. **可视化工具**:可以使用开源工具(如 LabelImg 或自定义脚本)加载图片及其对应的标注框,以便直观地查看数据集内容。 #### 示例代码:加载与查看图片及标注 以下是一个简单的 Python 脚本,用于加载 BDD100K 数据集中的图片及其标注信息: ```python import json from PIL import Image, ImageDraw import os # 加载JSON标签文件 def load_labels(json_file): with open(json_file, 'r') as f: data = json.load(f) return data # 可视化图片和标注框 def visualize_image(image_path, labels): image = Image.open(image_path) draw = ImageDraw.Draw(image) for label in labels['frames'][0]['objects']: category = label['category'] bbox = label['box2d'] draw.rectangle([(bbox['x1'], bbox['y1']), (bbox['x2'], bbox['y2'])], outline="red", width=2) draw.text((bbox['x1'], bbox['y1'] - 15), category, fill="red") image.show() # 示例路径 json_file = "path_to_json_file.json" image_file = "path_to_image_file.jpg" # 加载数据 labels = load_labels(json_file) visualize_image(image_file, labels) ``` #### 注意事项 - 数据集仅适用于学术研究和非商业用途,请遵守相关许可协议。 - 在使用数据集时,可能需要对图片尺寸进行调整以适配特定算法的需求。例如,在 YOLOv5 中,通常将图片调整为 640x640 的大小。
评论
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
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