dede查看网站源码,网站被惩罚之后怎么做,上海网站建设与设计,水文化建设网站前言
B站讲解视频 我的研究生毕业论文方向就是时空行为检测#xff0c;所以#xff0c;slowfast和ava是我重点搞的#xff0c;我的博客主页也有很多这些相关内容。
终于#xff0c;到了标注数据这一块了#xff0c;为了更简单的标注数据#xff0c;我要做的这部分的数据…前言
B站讲解视频 我的研究生毕业论文方向就是时空行为检测所以slowfast和ava是我重点搞的我的博客主页也有很多这些相关内容。
终于到了标注数据这一块了为了更简单的标注数据我要做的这部分的数据包含大量的人每张图片有30到40个人如果要手动框人再做行为标注那是非常大的工作量为了减小工作量先使用faster rcnn把人的坐标算出来然后倒入via中实现算法的自动框人。
1 准备
1.1 detectron2安装及faster rcnn运行
1.1.1 detectron2官方网站
detectron2项目地址detectron2文档
1.1.2 安装步骤
安装
pip install -U torch torchvision cython
pip install -U githttps://github.com/facebookresearch/fvcore.git githttps://github.com/cocodataset/cocoapi.git#subdirectoryPythonAPI
git clone https://github.com/facebookresearch/detectron2 detectron2_repo
pip install -e detectron2_repo1.1.3 Faster RCNN目标检测
在终端输入
python3 demo.py --config-file ../configs/COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml \--input ../img/1.jpg \--output ../img/1_1.jpg \--opts MODEL.WEIGHTS detectron2://COCO-Detection/faster_rcnn_R_50_FPN_3x/137849458/model_final_280758.pkl1.1.4 参考
【Faster RCNN detectron2】detectron2实现Faster RCNN目标检测
1.2 via的安装及使用
安装很简单下载下来后点开via.html就可以了
下载及使用指南via官网
我下载的是2.0的版本如下
2 faster rcnn 算法导出人类候选框为via格式
2.1 新建python脚本
在目录/detectron2_repo/demo/下新建一个python脚本名字为myvia.py 将下面的代码复制到myvia.py中
#Copyright (c) Facebook, Inc. and its affiliates.
import argparse
import glob
import multiprocessing as mp
import os
import time
import cv2
import tqdm
import osfrom detectron2.config import get_cfg
from detectron2.data.detection_utils import read_image
from detectron2.utils.logger import setup_loggerfrom predictor import VisualizationDemoimport csv
import pandas as pd #导入pandas包
import re# constants
WINDOW_NAME COCO detectionsdef setup_cfg(args):# load config from file and command-line argumentscfg get_cfg()# To use demo for Panoptic-DeepLab, please uncomment the following two lines.# from detectron2.projects.panoptic_deeplab import add_panoptic_deeplab_config # noqa# add_panoptic_deeplab_config(cfg)cfg.merge_from_file(args.config_file)cfg.merge_from_list(args.opts)# Set score_threshold for builtin modelscfg.MODEL.RETINANET.SCORE_THRESH_TEST args.confidence_thresholdcfg.MODEL.ROI_HEADS.SCORE_THRESH_TEST args.confidence_thresholdcfg.MODEL.PANOPTIC_FPN.COMBINE.INSTANCES_CONFIDENCE_THRESH args.confidence_thresholdcfg.freeze()return cfgdef get_parser():parser argparse.ArgumentParser(descriptionDetectron2 demo for builtin configs)parser.add_argument(--config-file,defaultconfigs/quick_schedules/mask_rcnn_R_50_FPN_inference_acc_test.yaml,metavarFILE,helppath to config file,)parser.add_argument(--webcam, actionstore_true, helpTake inputs from webcam.)parser.add_argument(--video-input, helpPath to video file.)parser.add_argument(--input,nargs,helpA list of space separated input images; or a single glob pattern such as directory/*.jpg,)parser.add_argument(--output,helpA file or directory to save output visualizations. If not given, will show output in an OpenCV window.,)parser.add_argument(--confidence-threshold,typefloat,default0.5,helpMinimum score for instance predictions to be shown,)parser.add_argument(--opts,helpModify config options using the command-line KEY VALUE pairs,default[],nargsargparse.REMAINDER,)return parserif __name__ __main__:mp.set_start_method(spawn, forceTrue)args get_parser().parse_args()setup_logger(namefvcore)logger setup_logger()logger.info(Arguments: str(args))#图片的输入和输出文件夹imgOriginalPath ./img/original/imgDetectionPath ./img/detection# 读取文件下的图片名字for i,j,k in os.walk(imgOriginalPath):# k 存储了图片的名字#imgInputPaths用于存储图片完整地址imgInputPaths kcountI0for namek in k:#循环将图片的完整地址加入imgInputPaths中imgInputPath imgOriginalPath namekimgInputPaths[countI]imgInputPathcountI countI 1break#修改args里输入图片的里路径args.input imgInputPaths#修改args里输出图片的路径args.output imgDetectionPathcfg setup_cfg(args)demo VisualizationDemo(cfg)#创建csvcsvFile open(./img/detection.csv, w,encodinggbk) #创建写的对象CSVwriter csv.writer(csvFile) #先写入columns_name #写入列的名称CSVwriter.writerow([filename,file_size,file_attributes,region_count,region_id,region_shape_attributes,region_attributes]) #写入多行用CSVwriter#写入多行#CSVwriter.writerows([[1,a,b],[2,c,d],[3,d,e]])#csvFile.close()#https://blog.csdn.net/xz1308579340/article/details/81106310?utm_mediumdistribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-3.controldist_request_iddepth_1-utm_sourcedistribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-3.controlif args.input:if len(args.input) 1:args.input glob.glob(os.path.expanduser(args.input[0]))assert args.input, The input path(s) was not foundfor path in tqdm.tqdm(args.input, disablenot args.output):# use PIL, to be consistent with evaluationimg read_image(path, formatBGR)start_time time.time()predictions,visualized_output demo.run_on_image(img)#只要检测结果是人的目标结果mask predictions[instances].pred_classes 0pred_boxes predictions[instances].pred_boxes.tensor[mask]#在路径中正则匹配图片的名称ImgNameT re.findall(r[^\\/:*?|\r\n]$, path)ImgName ImgNameT[0]#获取图片大小字节ImgSize os.path.getsize(path)#下面的为空(属性不管)img_file_attributes{}#每张图片检测出多少人img_region_count len(pred_boxes)#region_id表示在这张图中这是第几个人从0开始数region_id 0#region_attributes 为空img_region_attributes {}#循环图中检测出的人的坐标然后做修改以适应viafor i in pred_boxes:#将i中的数据类型转化为可以用的数据类型listiList i.cpu().numpy().tolist()#数据取整,并将坐标数据放入到img_region_shape_attributes {\name\ : \rect\ , \x\ : int(iList[0]) , \y\ : int(iList[1]) ,\width\ : int(iList[2]-iList[0]) , \height\ : int(iList[3]-iList[1]) }#将信息写入csv中CSVwriter.writerow([ImgName,ImgSize,{},img_region_count,region_id,str(img_region_shape_attributes),{}])region_id region_id 1logger.info({}: {} in {:.2f}s.format(path,detected {} instances.format(len(predictions[instances]))if instances in predictionselse finished,time.time() - start_time,))if args.output:if os.path.isdir(args.output):assert os.path.isdir(args.output), args.outputout_filename os.path.join(args.output, os.path.basename(path))else:assert len(args.input) 1, Please specify a directory with args.outputout_filename args.outputvisualized_output.save(out_filename)else:cv2.namedWindow(WINDOW_NAME, cv2.WINDOW_NORMAL)cv2.imshow(WINDOW_NAME, visualized_output.get_image()[:, :, ::-1])if cv2.waitKey(0) 27:break # esc to quit#关闭csv csvFile.close()2.2 相关文件
2.2.1 img
在detectron2_repo/目录下新建img文件这个文件用来存储输入和输出图片
2.2.2 original、detection、detection.csv
在img文件夹下创建original、detection、detection.csv
original用于存放输入的图片 detection用于存放检测后的图片 detection.csv是faster rcnn算法计算出来的人的坐标数据然后转换为via可是别的csv文档
2.3 图片上传
在original文件夹中上传图片注意顺序这个顺序要和后面via图片顺序一致
2.4 运行
准备好上面的后在终端进入/detectron2_repo的目录输入下面的命令
python3 ./demo/myvia.py --config-file configs/COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml --opts MODEL.WEIGHTS detectron2://COCO-Detection/faster_rcnn_R_50_FPN_3x/137849458/model_final_280758.pkl2.5 查看detection.csv
接下来查看csv文件结果如下
3 via自动标注
3.1 进入via
首先进入到via的界面
下图是从从官网下载的2.0版本的via点开via.html 下图是进入via后的样子
3.2 导入图片
点击下图显示的 Add Files
选择多个图片 导入图片后的样子
3.4 修改detection.csv
使用notpad其它编译器也可以打开detection.csv如下图 使用替换功能把全文的单引号全部删除我使用替换功能把 ’ 替换为 空如下图所示
3.3 导入detection.csv
在Annotation中选择 Import Annotations (from csv)在这里把detection.csv添加 导入csv后就应该出现如下结果 这些人就被自动框出来了。
任何程序错误以及技术疑问或需要解答的请添加
