【python】目标检测结果可视化

文章目录[隐藏]

watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBASmFja2lsaW5hX1N0b25l,size_6,color_FFFFFF,t_70,g_se,x_16

SimHei.ttf文件,请自行下载?

1 代码

import numpy as np
from PIL import Image, ImageFont, ImageDraw
import colorsys
import matplotlib.pyplot as plt


def DisplayDetectResult(img_path, out_classes, out_box, out_confidence):
    # Generate colors for drawing bounding boxes.
    hsv_tuples = [(x / len(out_classes), 1., 1.)
                  for x in range(len(out_classes))]
    colors = list(map(lambda x: colorsys.hsv_to_rgb(*x), hsv_tuples))
    colors = list(map(lambda x: (int(x[0] * 255), int(x[1] * 255), int(x[2] * 255)), colors))

    image = Image.open(img_path)

    fontStyle = 

版权声明:本文为CSDN博主「Jackilina_Stone」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/wss794/article/details/122750991

Jackilina_Stone

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

TX2利用yolov4实时目标检测

工业级别的目标检测关注的不仅仅是精度,还有速度,能达到实时是最理想状态,一般来讲,目标检测实时大于12.5fps被认为是实时,针对TX2利用yolov4检测博主做了一个详细的

YoloV4训练自己的数据集

1-建立工作文件夹
新建一个项目文件夹,用于存放接下来训练所需要的文件。
mkdir train # 或者其他英文名切换至工作文件夹
cd train按照下图所示建立相关文件夹和文件。
.
├── JPEGImage