帮人做图挣外快的网站,jsp网站开发技巧,杭州品牌网站设计制作公司,重庆网红打卡景点高效率制作数据集【按这个流程走#xff0c;速度很顶】 本次制作#xff0c;1059张图片【马路上流动车辆】 几乎就是全自动了#xff0c;只要视频拍得好#xff0c;YOLO辅助制作数据集就效率极高 视频中的图片抽取#xff1a; 【由于视频内存过大#xff0c;遇到报错执行…高效率制作数据集【按这个流程走速度很顶】 本次制作1059张图片【马路上流动车辆】 几乎就是全自动了只要视频拍得好YOLO辅助制作数据集就效率极高 视频中的图片抽取 【由于视频内存过大遇到报错执行失败解决方法已附加在代码下面】
import cv2
import os
import pdb
import numpy as np
#from glob2 import globvideos_src_path F:\\testkk\\vivivi\\ # 提取图片的视频文件夹# 筛选文件夹下MP4格式的文件
# videos os.listdir(videos_src_path) # 用于返回指定的文件夹包含的文件或文件夹的名字的列表。
# videos filter(lambda x: x.endswith(mp4), videos)
dirs os.listdir(videos_src_path) # 获取指定路径下的文件
count 0
# 写入txt
f F:\\testkk\\images\\data.txt
with open(f, w) as file:file.write(-----start-----\n)# 循环读取路径下的文件并操作
for video_name in dirs:outputPath F:\\testkk\\images\\video_name[:-4] \\# os.mkdir(outputPath)print(start\n)print(videos_src_path video_name)vc cv2.VideoCapture(videos_src_path video_name)# 初始化,并读取第一帧# rval表示是否成功获取帧# frame是捕获到的图像rval, frame vc.read()# 获取视频fpsfps vc.get(cv2.CAP_PROP_FPS)# 获取每个视频帧数frame_all vc.get(cv2.CAP_PROP_FRAME_COUNT)print([INFO] 视频FPS: {}.format(fps))print([INFO] 视频总帧数: {}.format(frame_all))# 每隔n帧保存一张图片frame_interval 30# 统计当前帧frame_count 1# count0while rval:rval, frame vc.read()# 隔n帧保存一张图片if frame_count % frame_interval 0:# 当前帧不为None能读取到图片时if frame is not None:filename outputPath Kidney_tumors_{}.jpg.format(count)# 水平、垂直翻转frame cv2.flip(frame, 0)frame cv2.flip(frame, 1)# 旋转180°frame np.rot90(frame)frame np.rot90(frame)cv2.imwrite(filename, frame)count 1print(保存图片:{}.format(filename))frame_count 1# 将成功抽帧的视频名称写入txt文件方便检查file open(f, a)file.write(video_name \n)# 关闭视频文件vc.release()print([INFO] 总共保存{}张图片\n.format(count))遇到问题 global cap_ffmpeg_impl.hpp:1541 grabFrame packet read max attempts exceeded, if your video have multiple streams (video, audio) try to increase attempt limit by setting environment variable OPENCV_FFMPEG_READ_ATTEMPTS (current value is 4096) 解决方法 Windows给OPENCV_FFMPEG_READ_ATTEMPTS 设置一个和视频大小一样的value值然后重启电脑再来执行就解决了。 Linux终端执行 $ export OPENCV_FFMPEG_READ_ATTEMPTS4001989068 抽出来的图片接下来用YOLO的目标检测模型预测得到坐标文件
from ultralytics import YOLO# 读取模型这里传入训练好的模型
model YOLO(yolov8m.pt)# 模型预测saveTrue 的时候表示直接保存yolov8的预测结果
metrics model.predict(sourceF:\\testkk\\images\\GH040001,imgsz640,projectruns/detect,saveTrue)【预测结果已经还OK了几乎不用咋修改标注文件了】
然后【txt转json】
import os
import json
import base64
import cv2def read_txt_file(txt_file):with open(txt_file, r) as f:lines f.readlines()data []for line in lines:line line.strip().split()class_name line[0]bbox [coord for coord in line[1:]]data.append({class_name: class_name, bbox: bbox})return datadef convert_to_labelme(data, image_path, image_size):labelme_data {version: 4.5.6,flags: {},shapes: [],imagePath: json_image_path,imageData: None,imageHeight: image_size[0],imageWidth: image_size[1]}for obj in data:dx obj[bbox][0]dy obj[bbox][1]dw obj[bbox][2]dh obj[bbox][3]w eval(dw) * image_size[1]h eval(dh) * image_size[0]center_x eval(dx) * image_size[1]center_y eval(dy) * image_size[0]x1 center_x - w/2y1 center_y - h/2x2 center_x w/2y2 center_y h/2# x1 eval(obj[bbox][0]) * image_size[1]# y1 eval(obj[bbox][1]) * image_size[0]# x2 eval(obj[bbox][2]) * image_size[1]# y2 eval(obj[bbox][3]) * image_size[0]if obj[class_name] 0: #判断对应的标签名称写入json文件中label str(person)elif obj[class_name] 2:label str(car)else:continueshape_data {label: label,points: [[x1, y1], [x2, y2]],group_id: None,shape_type: rectangle,flags: {}}labelme_data[shapes].append(shape_data)return labelme_datadef save_labelme_json(labelme_data, image_path, output_file):with open(image_path, rb) as f:image_data f.read()labelme_data[imageData] base64.b64encode(image_data).decode(utf-8)with open(output_file, w) as f:json.dump(labelme_data, f, indent4)# 设置文件夹路径和输出文件夹路径
txt_folder D:\\yoloProject\\ultralytics-registry\\runs\\detect\\predict5\\labels # 存放LabelImg标注的txt文件的文件夹路径
output_folder F:\\testkk\\images\\GH040001_json # 输出LabelMe标注的json文件的文件夹路径
img_folder F:\\testkk\\images\\GH040001 #存放对应标签的图片文件夹路径# 创建输出文件夹
if not os.path.exists(output_folder):os.makedirs(output_folder)# 遍历txt文件夹中的所有文件
for filename in os.listdir(txt_folder):if filename.endswith(.txt):# 生成对应的输出文件名output_filename os.path.splitext(filename)[0] .json# 读取txt文件txt_file os.path.join(txt_folder, filename)data read_txt_file(txt_file)# 设置图片路径和尺寸image_filename os.path.splitext(filename)[0] .jpg # 图片文件名与txt文件名相同后缀为.jpgimage_path os.path.join(img_folder, image_filename)# image_size (1280, 720) # 根据实际情况修改json_image_path image_path.split(\\)[-1]image_size cv2.imread(image_path).shape# 转化为LabelMe格式labelme_data convert_to_labelme(data, image_path, image_size)# 保存为LabelMe JSON文件output_file os.path.join(output_folder, output_filename)save_labelme_json(labelme_data, image_path, output_file) 最后修改OK后再把JSON转TXT作为样本数据集 https://blog.csdn.net/weixin_43624549/article/details/139532142
