yolo包装箱

Question

我正在使用YOLO做一个机器学习项目。我正在创建自己的数据集，遵循“找到这里”指南(在部分，如何训练(以检测自定义对象))。对于包围框，我需要知道我想在给定的图片中训练YOLO的每个对象的x宽度。到目前为止，我已经找到了手工，但它正在变得非常耗时。我希望能得到一些帮助，写一个脚本，可以为我计算这个。我知道opencv有一些很好的图像处理工具，但不知道从哪里开始寻找对象坐标。

Answer 1

在您提到的页面中，有一个部分包含指向执行这些框的工具的链接：

如何标记对象的有界框并创建注释文件： 在这里，您可以找到用于标记有界对象框和为Yolo v2：标记生成注释文件的GUI软件存储库。

Answer 2

我也面临着同样的问题，但在我的例子中，数据是视频的，背景是一样的，所以我做了背景减法，你可以通过调整一些阈值来尝试这个代码，也许你可以得到你想要的。

import cv2
import numpy as np 

# read and scale down image
# wget https://bigsnarf.files.wordpress.com/2017/05/hammer.png
img = cv2.pyrDown(cv2.imread('hammer.png', cv2.IMREAD_UNCHANGED))

# threshold image
ret, threshed_img = cv2.threshold(cv2.cvtColor(img, cv2.COLOR_BGR2GRAY),
                127, 255, cv2.THRESH_BINARY)
# find contours and get the external one
image, contours, hier = cv2.findContours(threshed_img, cv2.RETR_TREE,
                cv2.CHAIN_APPROX_SIMPLE)

# with each contour, draw boundingRect in green
# a minAreaRect in red and
# a minEnclosingCircle in blue
for c in contours:
    # get the bounding rect
    x, y, w, h = cv2.boundingRect(c)
    # draw a green rectangle to visualize the bounding rect
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)

    # get the min area rect
    rect = cv2.minAreaRect(c)
    box = cv2.boxPoints(rect)
    # convert all coordinates floating point values to int
    box = np.int0(box)
    # draw a red 'nghien' rectangle
    cv2.drawContours(img, [box], 0, (0, 0, 255))

    # finally, get the min enclosing circle
    (x, y), radius = cv2.minEnclosingCircle(c)
    # convert all values to int
    center = (int(x), int(y))
    radius = int(radius)
    # and draw the circle in blue
    img = cv2.circle(img, center, radius, (255, 0, 0), 2)

print(len(contours))
cv2.drawContours(img, contours, -1, (255, 255, 0), 1)

cv2.imshow("contours", img)

ESC = 27
while True:
    keycode = cv2.waitKey()
    if keycode != -1:
        keycode &= 0xFF
        if keycode == ESC:
            break
cv2.destroyAllWindows()

Answer 3

这里有一些来自尤洛-马克-普瓦源代码的部分，如您所见，它比原始的Yolo_mark (在右角单击github图标，在检查src/utils/createExportCord.ts，src/utils/readExportCord.ts之后)可读性强得多。naturalWidth和naturalWidth是图像大小，height和width是蓝色矩形大小。

namespace mark {

  export namespace utils {

    export const createExportCord = ({
      name, height, width, top, left, naturalHeight, naturalWidth
    }) => {
      console.log({name, height, width, top, left, naturalHeight, naturalWidth});

      const x = (left + (width/2)) / naturalWidth;
      const y = (top + (height/2)) / naturalHeight;
      const w = width / naturalWidth;
      const h = height / naturalHeight;

      return [name, x, y, w, h].join(' ');
    }

  } // namespace utils

} // namespace mark

​

​