目标检测图片截取目标分类图片

发布时间:2023年12月18日

如果要训练一个分类模型却没有特定的分类数据集怎么办呢?可以换一种思路,将带有该目标的图片对所有想要的目标进行画标注框然后进行截图,就能得到特定的分类数据了。这么做的目的是:带有该目标的图片可能不会少,但是带有该目标且一张图内只有唯一一个目标的图片肯定少。

拿如下这张图片举例:
在这里插入图片描述
假设我们要训练一个车辆分类的模型,分类小车或者摩托车,首先我们先进行标注(因为只是举个例子所以就标注一部分):
在这里插入图片描述
然后编写截图代码:

import cv2
import json
import os

img_path = "/home/alpha/桌面/11/img"
json_path = "/home/alpha/桌面/11/json"
save_path = "/home/alpha/桌面/11/clsf"

files = os.listdir(json_path)
for file in files:
    if os.path.splitext(file)[-1] != ".json":
        continue
    img_file = os.path.join(img_path, os.path.splitext(file)[0] + ".jpg")
    json_file = os.path.join(json_path, file)
    json_data = json.load(open(json_file))
    i, j = 0, 0
    for shape in json_data["shapes"]:
        p = shape["points"]
        x1 = int(min(p[0][0], p[1][0]))
        y1 = int(min(p[0][1], p[1][1]))
        x2 = int(max(p[0][0], p[1][0]))
        y2 = int(max(p[0][1], p[1][1]))
        img = cv2.imread(img_file)
        img = img[y1:y2, x1:x2, :]
        img_save = ""
        # 根据自己的类别
        if shape["label"] == "car":
            img_save = save_path + "/car/" + os.path.splitext(file)[0] + "-" + str(i) + ".jpg"
            i += 1
        elif shape["label"] == "moto":
            img_save = save_path + "/moto/" + os.path.splitext(file)[0] + "-" + str(j) + ".jpg"
            j += 1
        else:
            continue
        print(shape["label"])
        cv2.imwrite(img_save, img)
        print(img_save)

查看结果:
在这里插入图片描述
在这里插入图片描述

文章来源:https://blog.csdn.net/weixin_45354497/article/details/135009562
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。