YOLOv5改进——将输出检测到的内容到txt文件

本次介绍的是检测识别埃及的车牌，在国内，这种的数据集还是相对匮乏的，在收集/购买数据集之后对数据集进行了整理，发现埃及的车牌不是简单的26个字母和10个数字进行组合。

这里就简单的介绍一下吧，在调研过程中发先，埃及车牌数据集有两种类型，分别是

nc = 27

{'0':'1', '1':'2', '2':'3', '3':'4', '4':'5', '5':'6', '6':'7','7':'8', '8':'9', '9':'A', '10':'B', '11':'C', '12':' D ', '13':'E','14':'F', '15':'G', '16':'H', '17':'K', '18':'L','19':'M','20':'N', '21':'Q','22':'R','23':'S', '24':'T', '25':'W', '26':'Y'}?

---

nc = 26 (少 Q )

{'0':'1', '1':'2', '2':'3', '3':'4', '4':'5', '5':'6', '6':'7','7':'8', '8':'9', '9':'A', '10':'B', '11':'C', '12':' D ', '13':'E','14':'F', '15':'G', '16':'H', '17':'K', '18':'L','19':'M','20':'N', '21':'R','22':'S', '23':'T', '24':'W', '25':'Y'}

由于没有埃及的朋友，在网上也没有找到准确的说法，到底有没有字母Q，好在这个不重要，按类别多的走就行了。

然后就开始训练，这个训练其实没什么好说的，只是普通的训练。重点在detect上

由于车牌检测，想把车牌直接输出在image右上角，或者将车牌输出到txt文件中，方便下一步操作

因此对detect.py进行以下改进

在detect.py有以下参数，这个参数就是用来保存txt文件的，然后默认是不保存的

parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')

?因此我们需要对这样代码进行改进，改进后的

parser.add_argument('--save-txt', default= True, action='store_true', help='save results to *.txt')

这样我们就能保存到txt了，但是这样的保存的内容，不仅有每个框位置的坐标，而且是乱序的，不是完全从左到右或者从右到左进行排序的

还需要做下一步的改进，如果不需要在image上显示label，可以将这个参数关掉

parser.add_argument('--hide-labels', default= False, action='store_true', help='hide labels')

修改后：

parser.add_argument('--hide-labels', default= True, action='store_true', help='hide labels')

这样图片上就不会显示类别了，conf也是一样的，修改后就不会显示置信度分数了

接下来就解决有序保存的问题

# for *xyxy, conf, cls in reversed(det):
                #     if save_txt:  # Write to file
                #         # xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist()  # normalized xywh
                #         # line = (cls, *xywh, conf) if save_conf else (cls, *xywh)  # label format
                #
                #         line = (cls, conf) if save_conf else (cls,) # label format
                #         with open(txt_path + '.txt', 'a') as f:
                #             # f.write(('%g ' * len(line)).rstrip() % line + '\n')
                #             f.write(('%g ' * len(line)).rstrip() % line + ' ')

?注释以下代码

将下面代码添加到原来注释的地方

# 映射字典
class_mapping = {'0':'1', '1':'2', '2':'3', '3':'4', '4':'5', '5':'6', '6':'7','7':'8', '8':'9', '9':'A', '10':'B', '11':'C', '12':'D', '13':'E','14':'F', '15':'G', '16':'H', '17':'K', '18':'L', '19':'M','20':'N','21':'R', '22':'S', '23':'T', '24':'W','25':'Y'}  
# 提取第一列并对Tensor进行排序
 _, indices = torch.sort(det[:, 0], descending=True)

# 根据排序后的索引重新排列原始Tensor
sorted_tensor = det[indices]

for *xyxy, conf, cls in reversed(sorted_tensor):
   if save_txt:  # Write to file
      cls = str(int(cls.item()))
      mapped_label = class_mapping.get(cls,cls) # 获取映射后的类别，如果没有映射，则保持原类别
      line = (mapped_label, conf) if save_conf else (mapped_label,)  # 使用映射后的结果
      with open(txt_path + '.txt', 'a') as f:
         f.write(('%s ' * len(line)).rstrip() % line + ' ')

这个是从左到右的排序，如果是需要从右到左，就不需要descending=True了，直接删掉就可以了提取第一列进行排序是根据x的大小排序。

这样就修改完了，快去试试吧，如果有问题或者不懂的地方，欢迎在评论区讨论