关于目标检测任务中，YOLO(txt格式)标注文件的可视化

1. 前言

本文是针对yolo标注格式txt文件的可视化脚本介绍 

如果是VOC格式的xml文件，参考：关于目标检测任务中，XML(voc格式)标注文件的可视化

代码比较简单， 50行这样 。。。。

下面是代码的目录结构，1.jpeg 是数据图像，1.txt是对应的相对坐标信息和索引类别

result.png 是保存的绘制好边界框的图像

因为yolo格式的类别是0开始的索引，所以classes文件尤为重要，否则根本不知道数字对应的目标是什么！这里的classes采用普遍的txt文件展示 

Tips： 没有这个classes文件怎么办？

有好几种方法，例如

1. 写个脚本将训练集所有标签文件 （txt文件）的内容读取出来，把第一列目标类别项提取出来，然后去重，看看索引到多少，根据不同的索引看看原图框住是什么，自己新建个txt文件写上去就行了。

2. 或者干脆不要这个了，推理的时候，直接在输出图像上推理数字就行了...

3. 好吧，第二种确实有点丑，事实上大部分的数据都有这个classes文件，不管是json字典格式还是txt格式，要不然网络训练的时候根本没法定义检测的个数。 大部分的数据还是VOC的居多，也就是xml标注的，只需要将xml标注的classes文件拷贝就行了。要是VOC的也没有classes文件，可以参考这个文章生成：目标检测篇：如何根据xml标注文件生成类别classes的json文件

2. 实现代码

大部分和xml可视化脚本差不多，这里只介绍差异的部分

首先，在读取原始图像的时候，需要保留图像的原始size，因为yolo标签是相对坐标，这个有用

然后加载classes文件，这里是列表，看图片中的注释

在然后，同样的方法打开标注txt文件，这里是列表，按照行存储

注意列表的格式，每个元素（字符串）中间是空格隔开的

接下来，保存单个txt文件所以的信息

最后，ob 里面存放的就是这样的

后面就都一样了，不赘述，直接看效果

完美

3. 完整代码

如下：

import cv2

def txtShow(img,txt,save=True):

image = cv2.imread(img)

height,width = image.shape[:2]

with open('./my_yolo_dataset/my_data_label.txt','r') as f:

classes = f.read().splitlines()

with open(txt,'r') as f:

labels = f.read().splitlines()

ob = []

for i in labels:

cl, x_centre, y_centre, w, h = i.split(' ')

cl, x_centre, y_centre, w, h = int(cl), float(x_centre), float(y_centre), float(w),float(h)

name = classes[cl]

xmin = int(x_centre * width - w * width / 2)

ymin = int(y_centre * height - h * height / 2)

xmax = int(x_centre * width + w * width / 2)

ymax = int(y_centre * height + h * height / 2)

tmp = [name, xmin, ymin, xmax, ymax]

ob.append(tmp)

for name, x1, y1, x2, y2 in ob:

cv2.rectangle(image, (x1, y1), (x2, y2), color=(255, 0, 0), thickness=2)

cv2.putText(image, name, (x1, y1 - 10), fontFace=cv2.FONT_HERSHEY_SIMPLEX,

fontScale=0.5, thickness=1, color=(0, 0, 255))

if save:

cv2.imwrite('result.png', image)

cv2.imshow('test', image)

cv2.waitKey()

cv2.destroyAllWindows()

if __name__=='__main__':

img_path = './my_yolo_dataset/train/images/1.jpeg'

label_path = img_path.replace('images','labels')

label_path = label_path.replace('.jpeg','.txt')

txtShow(img=img_path,txt=label_path,save=True)

相关知识

YOLO目标检测——棉花病虫害检测数据集下载分享【含对应voc、coco和yolo三种格式标签】
【yolo数据集】花朵数据集yolo
YOLO作物虫害识别，包含19000张虫害图片，97个昆虫类别。
【目标检测数据集】西蓝花数据集1930张VOC+YOLO格式
基于YOLOv5的PCB板缺陷检测
YOLO识别病虫害数据集
基于YOLOv8深度学习的水稻害虫检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
基于YOLOv8深度学习的智能玉米害虫检测识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
基于YOLOv8深度学习的智能小麦害虫检测识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
助力农业智能化：YOLO病虫害识别数据集推荐

网址: 关于目标检测任务中，YOLO(txt格式)标注文件的可视化 https://www.huajiangbk.com/newsview1263595.html