mmdetection中使用训练好的模型单张图片推理并保存到文件夹

mmdetection中使用训练好的模型单张图片推理并保存到文件夹

one_image_demo.py
# Copyright (c) OpenMMLab. All rights reserved.
import asyncio
import numpy as np
from argparse import ArgumentParser

from mmdet.apis import (async_inference_detector, inference_detector,
                        init_detector, show_result_pyplot)

import warnings
warnings.filterwarnings("ignore") 

def parse_args():
    parser = ArgumentParser()
    parser.add_argument('--img', default='demo.jpg',help='Image file')
    parser.add_argument('--config',default='../configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py', help='Config file')
    parser.add_argument('--checkpoint',default='../checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth', help='Checkpoint file')
    parser.add_argument(
        '--device', default='cpu', help='Device used for inference') #cuda:0
    parser.add_argument(
        '--score-thr', type=float, default=0.9, help='bbox score threshold')
    parser.add_argument(
        '--async-test',
        action='store_true',
        help='whether to set async options for async inference.')
    args = parser.parse_args()
    return args


def main(args):
    
    model = init_detector(args.config, args.checkpoint, device=args.device)
    result = inference_detector(model, args.img)
    #bboxes_scores = np.vstack(result)
    #bboxes=bboxes_scores[:,:4]
    #score=bboxes_scores[:,4]
    #labels = [
    #           np.full(bbox.shape[0], i, dtype=np.int32)
    #           for i, bbox in enumerate(result)
    #       ]
    #labels = np.concatenate(labels)
    #print(bboxes_scores)
    #print(labels)
    #print(result)
    model.show_result(args.img,result, score_thr=args.score_thr,out_file='demo_test.jpg')
    # show the results
    #show_result_pyplot(model, args.img, result, score_thr=args.score_thr)





if __name__ == '__main__':
    args = parse_args()
    if args.async_test:
        asyncio.run(async_main(args))
    else:
        main(args)

版权声明:本文为CSDN博主「平凡中寻找不平凡」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_43804210/article/details/122110359

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

MMDETECTION微调模型

在 COCO 数据集上预训练的检测器可以作为其他数据集(例如 CityScapes 和 KITTI 数据集)的良好预训练模型。本教程指导用户将Model Zoo 中提供的模型用于其他数据集以获得更好的性能。 在新数