yolov5记录检测框中心坐标

2023-05-16

yolov5记录检测框中心坐标

最近用到yolov5进行目标检测并确定目标在图片中的位置,直接上代码:

第一步在detect.py中建立文件夹并对每张图片建立txt文件:

location_center_dir = str(save_dir) + '/location_center'
if not os.path.exists(location_center_dir):
	os.makedirs(location_center_dir)
location_center_path = location_center_dir + '\\' + str(p.stem) + ('' if dataset.mode == 'image' else f'_{frame}')  # location_center.txt
flocation = open(location_center_path + '.txt', 'a')  # 保存检测框中点

将代码添加到图中位置:
在这里插入图片描述
第二步写入坐标:

x0 = (int(xyxy[0].item()) + int(xyxy[2].item()))/2
y0 = (int(xyxy[1].item()) + int(xyxy[3].item()))/2   # 中心点坐标(x0, y0)
class_index = cls  # 获取属性
object_name = names[int(cls)]  # 获取标签名
flocation.write(object_name + ': ' + str(x0) + ', ' + str(y0) + '\n')

添加到图中位置:
在这里插入图片描述
不要忘了关闭文件。

效果:

在预测文件夹exp中新建文件夹记录每个图片检测到的目标中心位置:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

yolov5记录检测框中心坐标 的相关文章

  • 基于yolov5与Deep Sort的流量统计与轨迹跟踪

    系列文章目录 目标跟踪 SORT算法原理浅析 目标跟踪 Deep Sort算法原理浅析 基于yolov5与Deep Sort的流量统计与轨迹跟踪 文章目录 系列文章目录前言一 整体目录结构二 Deep Sort代码参数解释三 代码展示总结
  • 使用ROS调用YOLO_V5(非darknet),利用ros-yolov5配置

    参考 xff1a 源码 安装YOLO V5环境以及测试 NVIDIA Jetson Xavier AGX平台 0 ros yolo5介绍 实现yolo作为service的server 发送sensor Imge 图片 得到yolo检测的结果
  • Colab运行YOLOv5训练自己的数据集

    最近想使用YOLOv5模型训练自己的数据集 xff0c 但是没有GPU 所以白嫖一下Google的Colab 第一 xff1a 制作自己的数据集 这里给出一篇自己看过的博客写和博主自制的视频 xff0c 我觉得讲的挺好 xff0c 数据集方
  • yolov5记录检测框中心坐标

    yolov5记录检测框中心坐标 最近用到yolov5进行目标检测并确定目标在图片中的位置 xff0c 直接上代码 xff1a 第一步在detect py中建立文件夹并对每张图片建立txt文件 xff1a location center di
  • 视觉学习(四) --- 基于yolov5进行数据集制作和模型训练

    环境信息 Jetson Xavier NX xff1a Jetpack 4 4 1 Ubuntu xff1a 18 04 CUDA 10 2 89 OpenCV 4 5 1 cuDNN xff1a 8 0 0 180 一 yolov5 项目
  • YOLOv5 - AssertionError: Image not Found

    出现上图原因是val 路径还有中文 xff0c cv imread 不能识别 解决方法 xff1a 1 修改还有中文的文件名 2 使用绝对路径 xff0c 把测试图片放在含有中文的文件里面 下图的名称也无法读取 xff0c 可能是含有 xf
  • [jetson浅试] yolov5+deepsort+Tensorrt C++部署(Xavier AGX)

    1 简介 xff1a 这学期刚开学的时候搞的 xff0c 空下来整理一些 xff08 以后还是应该养成边搞边写博客的好习惯 xff09 本文主要是对yolov5 deepsort tensorrt A c 43 43 implementat
  • YOLOv5训练参数简介

    YOLOv5参数解析 xff0c 这次主要解析源码中train py文件中包含的参数 1 1 39 weights 39 1 2 39 cfg 39 1 3 39 data 39 1 4 39 hyp 39 1 5 39 epochs 39
  • YOLOv5核心基础知识讲解

    我这主要是江大白老师的内容 xff01 xff01 深入浅出Yolo系列之Yolov3 amp Yolov4 amp Yolov5 amp Yolox核心基础知识完整讲解 xff08 CSDN xff09 深入浅出Yolo系列之Yolov5
  • YOLOv5训练自己的数据集实现视频的识别

    写在前面 我本来是使用这个模型进行手写签名的定位 xff0c 但是因为比赛的主办方原因 xff0c 数据不允许公开 xff0c 所以我使用动物世界的一段开头视屏来制作我的数据集 这整个模型跑通的过程中 xff0c 我参考了很多不错的博客 x
  • YOLOv5 数据集划分及生成labels

    0 本人文件夹存放格式 xff08 因为要测试多个数据集和不同的yolov5版本和其他算法 xff0c 所以数据集整体放到外面 xff09 1 划分数据集 验证集 测试集 coding utf 8 import os import rand
  • yolov5输出检测到的目标坐标信息

    找到detect py文件 span class token keyword for span span class token operator span xyxy span class token punctuation span co
  • YoloV5 train.py 如何使用

    parser 参数详解 1 weights 初始化模型 有yolov5m yolov5s yolov5x yolov5l 如果为设置为空就是没有任何与训练模型 2 config 训练配置文件 yaml 文件 与预训练模型相对应 3 data
  • math模块

    math 模块是Python中的标准模块 并且始终可用 要在此模块下使用数学函数 您必须使用导入模块import math 它提供对基础C库函数的访问 导入数学函数库 import math 查看 math 查看包中的内容 print di
  • No module named ‘win32con‘

    pip install pywin32
  • yolov5运行报错之RuntimeError: The size of tensor a (80) must match the size of tensor b (56) at.....

    错误 RuntimeError The size of tensor a 80 must match the size of tensor b 56 at non singleton dimension 3 如图 解决方法 https gi
  • yolo毕业设计(车辆识别、行人识别、车牌识别)

    车牌识别视频 车辆识别视频 yolov5车辆识别视频 yolov5 yoloR对比行人车辆识别视频
  • 睿智的目标检测56——Pytorch搭建YoloV5目标检测平台

    睿智的目标检测56 Pytorch搭建YoloV5目标检测平台 学习前言 源码下载 YoloV5改进的部分 不完全 YoloV5实现思路 一 整体结构解析 二 网络结构解析 1 主干网络Backbone介绍 2 构建FPN特征金字塔进行加强
  • Yolov5权重 预训练模型 V4.0版本

    首先用bash weights download weights sh在主目录执行 下载模型要比直接去release快很多 不过你可能更想要这个 链接 https pan baidu com s 1Wc1jpP wcCKfwtWf iNml
  • YOLOv5模型改进策略源码示例

    YOLOv5模型改进策略源码示例 YOLO目标检测算法作为单阶段目标检测算法的代表在各个领域都有广泛的应用 在前几篇文章中我们已经对YOLO的Backbone Neck Head进行了较为详细的解读 这篇文章主要是从添加注意力机制来提升YO

随机推荐