文章目录[隐藏]
修改mmdetection参数
如果你的网络是用mmdetection写的，可视化预测结果时，发现框的线条太细，当输入图片太大时会看不清标注的框。
我们可以通过修改mmdtection中的一些参数来改变检测框的颜色、粗细以及字体的大小。
改变检测框的颜色、粗细、文字大小
找到mmdet/models/detectors/base.py文件，修改class BaseDetector()中的show_result()函数的输入参数
def show_result(self,
img,
result,
score_thr=0.3,
bbox_color='green', # bbox的颜色
text_color='green', # 字体的颜色
thickness=3, # bbox的粗细
font_scale=1.5, # 字体大小
win_name='',
show=False,
wait_time=0,
out_file=None):
改变文字粗细
如果要修改文字的粗细，首先找到文件anaconda3/envs/open-mmlab/lib/python3.7/site-packages/mmcv/visualization/image.py。发现mmcv.imshow_det_bboxes()函数调用cv2.putText函数将类别文字标注到图上，加上文字粗细参数即可。
cv2.putText(img,
label_text,
(bbox_int[0], bbox_int[1] - 2),
cv2.FONT_HERSHEY_COMPLEX,
font_scale,
text_color,
3 #加入字体粗细参数)
但是用调整mmdtection的参数后检测框的线条粗细和字体大小也就固定了，无法随着输入图片的大小进行自动更改，如果我们输入一张分辨率很高的图片，即使我们把thickness设为3如果不放大了看还是会看不清。
这时候我们可以根据输入图片的尺寸来给thickness和font_scale赋值，字体大小为np.floor(5e-4 * np.shape(img)[1] + 0.5)。检测框的粗细设置为max((np.shape(img)[0] + np.shape(img)[1]) // 1080, 1)，这样检测框和字体大小就会随之我们输入图片的尺寸而自动调整了。
def show_result(self,
img,
result,
score_thr=0.3,
bbox_color='green',
text_color='green',
#thickness=3,
#font_scale=0.8,
win_name='',
show=False,
wait_time=0,
out_file=None):
img = mmcv.imread(img)
font_scale=np.floor(5e-4 * np.shape(img)[1] + 0.5)
thickness=thickness = max((np.shape(img)[0] + np.shape(img)[1]) // 1080, 1)
img = img.copy()
if isinstance(result, tuple):
bbox_result, segm_result = result
if isinstance(segm_result, tuple):
segm_result = segm_result[0] # ms rcnn
else:
bbox_result, segm_result = result, None
bboxes = np.vstack(bbox_result)
labels = [
np.full(bbox.shape[0], i, dtype=np.int32)
for i, bbox in enumerate(bbox_result)
]
labels = np.concatenate(labels)
# draw segmentation masks
if segm_result is not None and len(labels) > 0: # non empty
segms = mmcv.concat_list(segm_result)
inds = np.where(bboxes[:, -1] > score_thr)[0]
np.random.seed(42)
color_masks = [
np.random.randint(0, 256, (1, 3), dtype=np.uint8)
for _ in range(max(labels) + 1)
]
for i in inds:
i = int(i)
color_mask = color_masks[labels[i]]
sg = segms[i]
if isinstance(sg, torch.Tensor):
sg = sg.detach().cpu().numpy()
mask = sg.astype(bool)
img[mask] = img[mask] * 0.5 + color_mask * 0.5
# if out_file specified, do not show image in window
if out_file is not None:
show = False
# draw bounding boxes
mmcv.imshow_det_bboxes(
img,
bboxes,
labels,
class_names=self.CLASSES,
score_thr=score_thr,
bbox_color=bbox_color,
text_color=text_color,
thickness=thickness,
font_scale=font_scale,
win_name=win_name,
show=show,
wait_time=wait_time,
out_file=out_file)
if not (show or out_file):
return img
如果你的代码不是用mmdetection框架写的，那么只要找到show_result部分的代码，进行相应的修改即可。
之前使用yolov4的代码的时候，检测出来的效果长这个样子。
标签文本底下加了个填充框，使得在检测小物体的时候有些小框会被遮住。究其原因，是因为在yolo.py里面的detect_image函数里加了draw.rectangle函数，只要把这个函数注释掉就可以了，但是这样一来标签文本全是黑色，我们可以找到标注标签的函数，将便签颜色改成跟框一样的颜色。
# draw.rectangle(
# [tuple(text_origin), tuple(text_origin + label_size)],
# fill=self.colors[self.class_names.index(predicted_class)])
# draw.text(text_origin, str(label,'UTF-8'), fill=(0, 0, 0), font=font)
draw.text(text_origin, str(label,'UTF-8'), fill=self.colors[self.class_names.index(predicted_class)], font=font)
对于框的大小、粗细，以及标签的字体，都可以在对应位置进行更改。
font = ImageFont.truetype(font='model_data/simhei.ttf',size=np.floor(3e-2 * np.shape(image)[1] + 0.5).astype('int32'))
thickness = max((np.shape(image)[0] + np.shape(image)[1]) // self.model_image_size[0], 1)
版权声明：本文为CSDN博主「天涯小才」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/qq_40502460/article/details/117319923
暂无评论