xiaotiig的博客

在用labelme标注影像的时候出来的图片是3波段的，而用的时候只用的那波段的标注文件就可以了，下面的程序实现了批量将3波段中有用的1个波段进行提取出来。# 进行png图像3通道到单通道的转换import osimport cv2path_img = 'D:/schoolWork/yaoganDetect/dataset/target/SegmentationClassPNG/'img_dir = os.listdir(path_img)# 批量处理for img_name in img_d

1 训练集和验证集def get_voc_datagen(train_img_path,train_label_path,val_img_path=None,val_label_path=None,num_class, batch_size, target_size): """ 进行文件的读取和预处理 :param train_img_path:训练集影像文件夹 :param train_label_path: :param val_img_path:如果验证集为N

1 进行文件的拷贝，不只是图像文件# 这个文件的作用是复制负样本的文件import osimport gdalimport numpy as npimport timedef Positive(nature_to_path,label_path,label_to_path,img_path,img_to_path,): """ 进行负样本文件的拷贝 :param nature_to_path:负样本已经存在的的文件夹 :param label_path:全部

两种读取数据构建成深度学习数据集的方法1 训练验证数据在同一文件夹中# 将高分影像转换为jpg格式，进行训练,这里用到的是8位深度的3波段的jpg图像，建样本建成了这样的了# 实际上获得的高分影像应该是4波段16维深度,这个可能需要再考虑一下怎么做import tensorflow as tfimport numpy as npimport osimport matplotlib.pyplot as pltimport globimport matplotlib as mplimpor

1 数据集分成两个文件夹，训练集和验证集import osimport numpy as nppath_png = r'H:\01HTutorWork\3GF2\3Code\PestDetect3\dataset\train\labels'path_jpg = r"H:\01HTutorWork\3GF2\3Code\PestDetect3\dataset\train\images"imgs = os.listdir(path_jpg)labels = os.listdir(path_png)