YOLO标签实例剪裁,存到相对应的分类文件夹里
适应于YOLOv5,YOLOv8等,将目标检测数据集提取为图像分类的数据集 1. 确保新图像路径存在 2. 遍历所有图片文件 3. 定义类别名称列表 安装:pip install opencv-python,tqdm
适应于YOLOv5,YOLOv8等,将目标检测数据集提取为图像分类的数据集 1. 确保新图像路径存在 2. 遍历所有图片文件 3. 定义类别名称列表 安装:pip install opencv-python,tqdm
包含YOLOv8的TensorRT加速的相关代码 1、适用于TensorRT模型的导出代码 2、模型调用,结果图保存 3、POST接口、Get接口和接口调用代码 接口代码是先加载模型,再进行推理,推理速度RTX3090速度3.6ms左右 相关教程,请看我博客内容。
调研了一下数据扩增的方法,无外乎是旋转、镜像、噪声、剪切等。 以上方式只能在原有的图像上进行简单的处理,目前这个方法参考语义分割中的copy_paste方法,将其适用于目标检测VOC数据集格式。 功能: 1、随机提取目标框。 2、单个或者多个目标框随机与其他图像进行结合生成新的图像数据 3、限制目标的位置,避免与结合图的目标框重叠(可自行进行删改) 4、增加数据的倍数设置,例如,你有10张图,倍数设置为10,那么在新的文件夹里重新生产100张图片,里面的位置随机。 5、可以看一下我的其他资源,有个普通扩增,两者可以结合,生成自己需要的数据。 注意:此资源仅限于个人学习适用!!!!!!
行人目标检测数据集,包含xml、图片、txt标签。数据集大小一个400多M,一个100多M。
文件说明: need_aug_num = 1 # 每张图片需要增强的次数 is_endwidth_dot = True # 文件是否以.jpg或者png结尾 parser.add_argument('--source_img_path', type=str, default='需要增强图片路径') parser.add_argument('--source_xml_path', type=str, default='.需要增强xml路径') parser.add_argument('--save_img_path', type=str, default='增强后图片保存路径') parser.add_argument('--save_xml_path', type=str, default='增强后xml保存路径')
自己标记的硬币数据集,一共包含三种类型: 1、yiyuan(一元) 2、wujiao(五角) 3、yijiao(一角)
李峋式的浪漫—爱心代码 包含四种样式 1、相似度百分之99 2、衍变1(中间可以加名字) 3、衍变2(不同效果) 4、衍变3(蓝红跑马灯样式)