大家好，我是小P，今天在此给大家分享一下基于DarknetAB版本的YOLOV3如何生成和显示中文标签的方法，效果如下图所示，希望大家支持和喜欢。此外，对“目标检测/模型压缩/语义分割”感兴趣的小伙伴，欢迎加入QQ群 813221712 讨论交流，进群请看群公告！（可以点击如下连接直接加入！）
点击链接加入群聊【Object Detection】：https://jq.qq.com/?_wv=1027&k=5kXCXF8
首先，本次教程所使用的模型为DarknetAB版本，其相对于官方原版作出了比较多的修改，最大的便利在于能方便地在Win10操作系统上运行，有兴趣地小伙伴可以研究研究，下载地址为：
https://github.com/AlexeyAB/darknet 在此，强烈推荐大家使用AB版本
在此之前，先普及一点源码画标签的知识。假如，现在要往检测图片的某一位置绘制标签Person，则程序操作流程为：
如上图所示，源码的 darknet-master/data/labels 路径（有两个labels文件夹，Win10环境使用图中所示的labels文件夹，Ubuntu使用 darknet-master/data/labels 文件夹）下有对应大小不同的字母图片，其命名规则为：ASCII_大小 ，其中ASCII表示字母对应的ASCII值，这样处理是为了计算方便，大小是根据检测框大小计算得到的，假定现在Person标签的大小为5号，则程序会将Person标签分解为6个字母：‘P’ ‘e’ ‘r’ ‘s’ ‘o’ ‘n’ ,首先找到‘P’字母的5号图片，然后找到‘e’字母的5号图片将其拼接在’P’字母的右边…其它字母类似，如下图所示：
?是不是很艰辛！明白了画标签的原理，要改就简单多了。现在，来生成中文标签所需的图片，这儿与原代码不同的是中文标签基于词语生成图片，如“行人”，则不拆分成“行”和“人”，主要是因为字母可以根据ASCII简便计算，但中文不行，当然，你也可以拆开来做，只是稍微复杂点，但这儿为了简单起见，就不拆开。生成标签的图片代码如下：
import os
import string
import pipes
font = 'futura-normal'
fileName=open("my.names",'r')
l=[label.lstrip().rstrip() for label in fileName.readlines()]
for i in range(8):
index=0
for word in l:
os.system(
"convert -fill black -background white -bordercolor white -border 4 -font /usr/share/fonts/truetype/droid/DroidSansFallbackFull.ttf -pointsize %d label:\"%s\" \"%d_%s.png\"" % ((i+1)*12, word, i,index))
index+=1
警告：本段代码只能在Ubuntu操作系统下运行，没有Ubuntu的小伙伴可以让别人替你生成好后拷贝过来
注意：你只需要将此段代码粘贴进任何一个.py文件，放到labels文件夹下面，在该文件夹下面运行即可。此外：你需要修改代码中的“my.names”为你的标签文件，运行的结果是：在labels文件夹下面生成了一系列标签图片，如下图所示（请确认你的结果正确）：
此处：第一个数字表示大小，分为8个等级，0-7表示，第二个数字表示标签编号，和**.names文件对应。
查找 get_label_v3函数的声明处，在其下面添加函数 get_label_v3_my ，采用添加不采用修改的方式主要是避免破坏源码，其它地方的修改类似，函数代码为：
image get_label_v3_my(image **characters, char *labelindex, int size)
{
size = size / 10;
if (size > 7) size = 7;
image label = make_empty_image(0, 0, 0);
int class,i=0,nlabels=1;
int len=strlen(labelindex);
for(i=0;i<len;i++)
{
if(labelindex[i]==',') ++nlabels;
}
for(i=0;i<nlabels;i++){
class=atoi(labelindex);
image l = characters[size][class];
image n = tile_images(label, l, -size - 1 + (size + 1) / 2);
free_image(label);
label = n;
labelindex=strchr(labelindex,',')+1;
}
image b = border_image(label, label.h*.25);
free_image(label);
return b;
}
添加代码过后，你的文件应该如下图所示，其中具体意义这里不进行讲解，感兴趣的小伙伴自行研究和修改
找到 image.c 中的 draw_detections_v3函数。然后找到 if ( alphabet ) { … } 代码块，将其改为：
if (alphabet) {
char labelindex[100]= { 0 };
char class[10]={0};
sprintf(class,"%d",selected_detections[i].best_class);
strcat(labelindex, class);
int j;
for (j = 0; j < classes; ++j) {
if (selected_detections[i].det.prob[j] > thresh && j != selected_detections[i].best_class) {
strcat(labelindex,", ");
sprintf(class,"%d",selected_detections[i].best_class);
strcat(labelindex, class);
}
}
image label = get_label_v3_my(alphabet, labelindex, (im.h*.03));
draw_label(im, top + width, left, label, rgb);
free_image(label);
}
当然，这儿你也可以新建函数，然后改函数调用，从而避免破坏源码。此处修改是为了调用上面定义的函数
image **load_labels(int classes)
{
int i, j;
const int nsize = 8;
image** alphabets = (image**)calloc(nsize, sizeof(image*));
for(j = 0; j < nsize; ++j){
alphabets[j] = (image*)calloc(classes, sizeof(image));
for(i = 0; i < classes; ++i){
char buff[256];
sprintf(buff, "data/labels/%d_%d.png", j, i);
alphabets[j][i] = load_image_color(buff, 0, 0);
}
}
return alphabets;
}
本函数的作用为将前面我们生成的标签图片加载进内存，保存在二维结构体数组中
image **load_labels(int);
此行代码的作用为声明方法。
找到 test_detector 函数的定义，将 image **alphabet =load_alphabet()； 修改为：
image **alphabet = load_labels(names_size);
到此，教程完毕，其它诸如调节字体大小和框粗细的问题都可以在image.c函数中进行修改。本人对Darknet框架作了精细的研究，并进行了大量的注释，有感兴趣的小伙伴可以一起学习。
