国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

目標檢測任務數(shù)據(jù)集的數(shù)據(jù)增強中,圖像垂直翻轉和xml標注文件坐標調(diào)整

這篇具有很好參考價值的文章主要介紹了目標檢測任務數(shù)據(jù)集的數(shù)據(jù)增強中,圖像垂直翻轉和xml標注文件坐標調(diào)整。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點擊"舉報違法"按鈕提交疑問。

需求: ? ? ? ? 數(shù)據(jù)集的數(shù)據(jù)增強中,有時需要用到圖像垂直翻轉的操作,圖像垂直翻轉后,對應的xml標注文件也需要做坐標的調(diào)整。 ? 解決方法: ? ? ? ? 使用python+opencv+import xml.etree.ElementTree對圖像垂直翻轉和xml標注文件坐標調(diào)整。代碼如下:

import cv2
import os
import glob
import xml.etree.ElementTree as et


def flip_images(source_dir):
    images_list = glob.glob(os.path.join(source_dir, "*.jpg"))
    index = 0
    for image_path in images_list:
        image = cv2.imread(image_path)
        flip_image = cv2.flip(image,0)
        cv2.imwrite(image_path.replace(".jpg", "_flip.jpg"), flip_image)
        tree_ = et.ElementTree()
        tree_.parse(image_path.replace(".jpg", ".xml"))

        root = et.Element("annotation")
        folder = et.SubElement(root, "folder")
        folder.text = "images"
        filename = et.SubElement(root, "filename")
        filename.text = tree_.find(".//filename").text.replace(".jpg", "_flip.jpg")
        path = et.SubElement(root, "path")
        path.text = "/home/mapgoo/test"
        source = et.SubElement(root, "source")
        database = et.SubElement(source, "database")
        database.text = "Unknown"
        size = et.SubElement(root, "size")
        width = et.SubElement(size, "width")
        width.text = tree_.find(".//width").text
        height = et.SubElement(size, "height")
        height.text = tree_.find(".//height").text
        depth = et.SubElement(size, "depth")
        depth.text = "3"
        segmented = et.SubElement(root, "segmented")
        segmented.text = "0"

        for bndbox in tree_.findall(".//object"):
            xmin = bndbox.find(".//xmin")
            ymin = bndbox.find(".//ymin")
            xmax = bndbox.find(".//xmax")
            ymax = bndbox.find(".//ymax")
            xmin_text = xmin.text
            ymin_text = ymin.text
            xmax_text = xmax.text
            ymax_text = ymax.text

            object_ = et.SubElement(root, "object")
            name = et.SubElement(object_, "name")
            name.text = bndbox.find("name").text
            pose = et.SubElement(object_, "pose")
            pose.text = "Unspecified"
            truncated = et.SubElement(object_, "truncated")
            truncated.text = "0"
            difficult = et.SubElement(object_, "difficult")
            difficult.text = "0"
            bndbox = et.SubElement(object_, "bndbox")
            xmin = et.SubElement(bndbox, "xmin")
            xmin.text = xmin_text
            ymin = et.SubElement(bndbox, "ymin")
            ymin.text = str(image.shape[0] - int(ymax_text))
            xmax = et.SubElement(bndbox, "xmax")
            xmax.text = xmax_text
            ymax = et.SubElement(bndbox, "ymax")
            ymax.text = str(image.shape[0] - int(ymin_text))

        tree = et.ElementTree(root)
        tree.write(image_path.replace(".jpg", "_flip.xml"), encoding="utf-8")
        print(image_path, index)
        index += 1


if __name__ == '__main__':
    source_dir = "/home/Desktop/test"
    flip_images(source_dir)

?使用以上代碼需要修改原圖像和標注文件所在文件夾路徑(source_dir)。親測可用。?

文章來源地址http://www.zghlxwxcb.cn/news/detail-668233.html

到了這里,關于目標檢測任務數(shù)據(jù)集的數(shù)據(jù)增強中,圖像垂直翻轉和xml標注文件坐標調(diào)整的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。如若轉載,請注明出處: 如若內(nèi)容造成侵權/違法違規(guī)/事實不符,請點擊違法舉報進行投訴反饋,一經(jīng)查實,立即刪除!

領支付寶紅包贊助服務器費用

相關文章

  • OpenCV的remap實現(xiàn)圖像垂直翻轉

    OpenCV的remap實現(xiàn)圖像垂直翻轉

    以下是完整的代碼:

    2024年02月13日
    瀏覽(16)
  • 偽裝目標檢測中數(shù)據(jù)集的標注格式:COCO和VOC

    1.OSFormer中提供的COD10K的json格式,是coco的格式,但由于偽裝目標檢測任務的特殊性,標注信息中還有一個segmentation段 首先將一整個json文件分解: 然后轉化為VOC格式: 這樣生成的xml文件,沒有之前COD10K標注的segmentation信息,還需要進一步考慮,在轉換為xml的腳本中加上識別

    2024年04月27日
    瀏覽(88)
  • 【課程介紹】OpenCV 基礎入門教程:圖像讀取、顯示、保存,圖像處理和增強(如濾波、邊緣檢測、圖像變換),特征提取和匹配,目標檢測和跟蹤

    [ 專欄推薦 ] ?? 《視覺探索: OpenCV 基礎入門教程》 ?? ??【簡介】: Opencv 入門課程適合初學者,旨在介紹 Opencv 庫的基礎知識和核心功能。課程包括圖像讀取、顯示、保存,圖像處理和增強(如濾波、邊緣檢測、圖像變換),特征提取和匹配,目標檢測和跟蹤等內(nèi)容。學

    2024年02月16日
    瀏覽(2470)
  • YOLOv8改進 | 主干篇 | 低照度圖像增強網(wǎng)絡SCINet改進黑暗目標檢測(全網(wǎng)獨家首發(fā))

    YOLOv8改進 | 主干篇 | 低照度圖像增強網(wǎng)絡SCINet改進黑暗目標檢測(全網(wǎng)獨家首發(fā))

    本文給大家?guī)淼母倪M機制是低照度圖像增強網(wǎng)絡SCINet, SCINet(自校正照明網(wǎng)絡) 是一種專為 低光照圖像增強設計 的框架。它通過 級聯(lián)照明學習過程和權重共享機制 來處理圖像,優(yōu)化了照明部分以提升圖像質(zhì)量。我將該網(wǎng)絡集成在YOLOv8的主干上針對于圖像的輸入進行增強

    2024年01月22日
    瀏覽(45)
  • 睿智的目標檢測64——目標檢測中的MixUp數(shù)據(jù)增強方法

    睿智的目標檢測64——目標檢測中的MixUp數(shù)據(jù)增強方法

    哈哈哈!我再來一次數(shù)據(jù)增強! https://github.com/bubbliiiing/object-detection-augmentation MixUp數(shù)據(jù)增強方法在最新的幾個Yolo算法中得到了廣泛的應用,特別在YoloX中,s、m、l、x四個型號的網(wǎng)絡都使用了MixUp數(shù)據(jù)增強。nano和tiny由于模型的擬合能力一般沒有使用MixUp,但也說明了MixUp具有強

    2024年02月01日
    瀏覽(20)
  • 目標檢測筆記(十二):如何通過界面化操作YOLOv5完成數(shù)據(jù)集的自動標注

    目標檢測筆記(十二):如何通過界面化操作YOLOv5完成數(shù)據(jù)集的自動標注

    通過界面化操作YOLOv5完成數(shù)據(jù)集的自動標注的意義在于簡化數(shù)據(jù)標注的流程,提高標注的效率和準確性。 傳統(tǒng)的數(shù)據(jù)集標注通常需要手動繪制邊界框或標記關鍵點,這個過程費時費力且容易出錯。而通過界面化操作YOLOv5完成數(shù)據(jù)集的自動標注,可以實現(xiàn)自動識別目標并生成標

    2024年02月11日
    瀏覽(20)
  • PyTorch: 基于【MobileNet V2】處理MNIST數(shù)據(jù)集的圖像分類任務【準確率99%+】

    PyTorch: 基于【MobileNet V2】處理MNIST數(shù)據(jù)集的圖像分類任務【準確率99%+】

    PyTorch: 基于【VGG16】處理MNIST數(shù)據(jù)集的圖像分類任務【準確率98.9%+】 在深度學習和計算機視覺的世界里,MNIST數(shù)據(jù)集就像一顆璀璨的明珠,被廣大研究者們珍視并廣泛使用。這個數(shù)據(jù)集包含了大量的手寫數(shù)字圖像,為圖像分類任務提供了豐富的素材。今天,我們將帶您一同探索

    2024年02月04日
    瀏覽(41)
  • 目標檢測: 一文讀懂 Mosaic 數(shù)據(jù)增強

    目標檢測: 一文讀懂 Mosaic 數(shù)據(jù)增強

    在 Yolo-V4 、 Yolo-V5 中,都有一個很重要的技巧,就是 Mosaic 數(shù)據(jù)增強,這種數(shù)據(jù)增強方式簡單來說就是把4張圖片,通過隨機縮放、隨機裁減、隨機排布的方式進行拼接。 Mosaic 有如下優(yōu)點: (1)豐富數(shù)據(jù)集:隨機使用4張圖片,隨機縮放,再隨機分布進行拼接,大大豐富了檢

    2024年02月08日
    瀏覽(19)
  • 生成用于目標檢測任務的合成圖像教程:使用Blender、Python和3D資產(chǎn)

    生成用于目標檢測任務的合成圖像教程:使用Blender、Python和3D資產(chǎn) 缺少足夠的訓練數(shù)據(jù)是當前深度學習面臨的一個主要問題。自動生成帶有注釋的合成圖像是計算機視覺任務的一個有前途的解決方案。本文將首先概述合成圖像數(shù)據(jù)的一些圖像生成技術,然后生成一個無需手動

    2024年03月27日
    瀏覽(69)
  • 基于Kitti數(shù)據(jù)集的智能駕駛目標檢測系統(tǒng)(PyTorch+Pyside6+YOLOv5模型)

    基于Kitti數(shù)據(jù)集的智能駕駛目標檢測系統(tǒng)(PyTorch+Pyside6+YOLOv5模型)

    摘要:基于Kitti數(shù)據(jù)集的智能駕駛目標檢測系統(tǒng)可用于日常生活中檢測與定位行人(Pedestrian)、面包車(Van)、坐著的人(Person Sitting)、汽車(Car)、卡車(Truck)、騎自行車的人(Cyclist)、有軌電車(Tram)以及其他目標(Misc),利用深度學習算法可實現(xiàn)圖片、視頻、攝像

    2024年02月16日
    瀏覽(31)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領取紅包,優(yōu)惠每天領

二維碼1

領取紅包

二維碼2

領紅包