网站建设与管理案例教程 柳,广州网站建设公司怎么样,东莞市手机网站建设多少钱,免费制作微信网页网站在yolo系列中#xff0c;很多网友都反馈过想要在目标检测的图片上#xff0c;显示计数功能。其实官方已经实现了这个功能#xff0c;只不过没有把相关的参数写到图片上。所以微智启软件工作室出一篇教程#xff0c;教大家如何把计数的参数打印到图片上。 一、yolov5目标检测… 在yolo系列中很多网友都反馈过想要在目标检测的图片上显示计数功能。其实官方已经实现了这个功能只不过没有把相关的参数写到图片上。所以微智启软件工作室出一篇教程教大家如何把计数的参数打印到图片上。 一、yolov5目标检测增加计数功能实现
1、在detect.py代码中的132行左右找到这样的代码 {n}是指类别统计的数量 {names[int(c)]}则是标签名 所以只需要调整这两个参数就可以得到想要的格式对于我们常用的习惯我把代码改成了如下的格式 运行输出代码发现前面多出一串并不是我们想要的效果 所以需要我们自己定义一个变量只接收后面的统计参数即可。我这里放在了55行定义一个空的字符串
count
然后只需要在合适的位置通过cv2把参数写到图片即可。我这里添加到了151行左右也就是im0 annotator.result()的后面。 cv2.putText(im0, f{s},(30,30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2,cv2.LINE_AA)关于cv2的参数含义如下 im0: 这是输入图像即要在其上添加文本的图像。f{s}: 这是要添加到图像上的文本。在这里s 是一个变量它被转换为字符串并作为文本添加到图像上。(30, 30): 这是文本在图像上的位置坐标。在这个例子中文本将放置在图像的 (30, 30) 位置。cv2.FONT_HERSHEY_SIMPLEX: 这是字体类型。在这个例子中使用了 Hershey Simplex 字体。1: 这是字体缩放因子。这个值决定了文本的大小。(0, 0, 255): 这是文本的颜色。在这个例子中文本颜色为红色表示为 BGR蓝色、绿色、红色格式的元组。2: 这是文本线条的粗细。这个值决定了文本边缘的粗细程度。cv2.LINE_AA: 这是线条类型。在这个例子中使用了抗锯齿线条。 在cv2添加完后再清空字符串方便下次的统计 count 二、yolov7目标检测增加计数功能 yolov7和yolov5其实差不多的可以先运行看一下效果这个是统计的输出如下发现有现成的效果 打开detect.py。找到117行左右 所以我们只需把{n}–这里的{n}也就是类别的数量移动到后面就可以了同时还可以把逗号换成自己想要的符号我这里是“ | ”移动后如下可以根据自己的需求更改
s f{names[int(c)]}{s * (n 1)}:{n}|
接下来在合适的位置通过cv2来把文字显示图片上 cv2.putText(im0, f{s},(30,30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2,cv2.LINE_AA)im0: 这是输入图像即要在其上添加文本的图像。f{s}: 这是要添加到图像上的文本。在这里s 是一个变量它被转换为字符串并作为文本添加到图像上。(30, 30): 这是文本在图像上的位置坐标。在这个例子中文本将放置在图像的 (30, 30) 位置。cv2.FONT_HERSHEY_SIMPLEX: 这是字体类型。在这个例子中使用了 Hershey Simplex 字体。1: 这是字体缩放因子。这个值决定了文本的大小。(0, 0, 255): 这是文本的颜色。在这个例子中文本颜色为红色表示为 BGR蓝色、绿色、红色格式的元组。2: 这是文本线条的粗细。这个值决定了文本边缘的粗细程度。cv2.LINE_AA: 这是线条类型。在这个例子中使用了抗锯齿线条。 v7从115行到133行的完整代码如下可以直接替换。 for c in det[:, -1].unique():n (det[:, -1] c).sum() # detections per classs f{names[int(c)]}{s * (n 1)} | {n} # add to string# Write resultsfor *xyxy, conf, cls in reversed(det):if save_txt: # Write to filexywh (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist() # normalized xywhline (cls, *xywh, conf) if opt.save_conf else (cls, *xywh) # label formatwith open(txt_path .txt, a) as f:f.write((%g * len(line)).rstrip() % line \n)if save_img or view_img: # Add bbox to imagelabel f{names[int(cls)]} {conf:.2f}plot_one_box(xyxy, im0, labellabel, colorcolors[int(cls)], line_thickness1)# Print time (inference NMS)print(f{s}Done. ({(1E3 * (t2 - t1)):.1f}ms) Inference, ({(1E3 * (t3 - t2)):.1f}ms) NMS)
cv2.putText(im0, f{s}, (30, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2, cv2.LINE_AA) 三、yolov8目标检测计数功能实现
yolov8相对于前面两个的计数稍微来说比较麻烦点可能也有类似的参数但是我没有找到所以debug后发现【self.results[i].boxes.cls】这个属性里面有类别的统计 所以只需要遍历统计这个类别序号的个数即可。 # 将结果转换为Python列表result_list self.results[i].boxes.cls.tolist()# 初始化一个空字典用于存储数字和它们的出现次数count_dict {}# 遍历列表统计数字出现的次数for number in result_list:if number in count_dict:count_dict[number] 1else:count_dict[number] 1for k, v in count_dict.items():names_dic[self.model.names[k]] vresult_str | .join([f{key}:{value} for key, value in names_dic.items()]) 然后在合格的位置cv2我添加在了
if self.args.verbose or self.args.save or self.args.save_txt or self.args.show:
这个方法的后面因为只有执行了它self.plotted_img才会被赋值
cv2.putText(self.plotted_img, result_str, (30, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2,cv2.LINE_AA) 运行效果如下图 至此代码已经全部给出了只要注意代码的缩进就可以大功告成了。不过有的朋友还是不懂得修改那么我就把测试的python完整代码放到csdn上吧设置的0积分下载。 代码下载地址 https://download.csdn.net/download/weixin_41717861/88887348
