yolov目标检测的图片onnx输入尺寸及预处理

打印 上一主题 下一主题

主题 985|帖子 985|积分 2955

参考  (github.com)
  当你使用不同的图像尺寸(例如1280)举行猜测时,YOLOv8会主动对输入图像举行得当的预处理以适配模型。这通常包括缩放和添补操作,确保图像不会发生畸变,同时保持原始宽高比。
对于使用OpenCV举行预处理,你可以按照以下步骤来模拟YOLOv8的预处理过程:

  • 保持图像的宽高比,将图像缩放到模型的输入尺寸(例如640x640)中较短的一边。
  • 对缩放后的图像举行添补,以到达所需的输入尺寸,通常添补的是图像的右侧和底部。
  • 确保添补值(通常是灰色,即(114, 114, 114))与练习时使用的添补值相匹配。
以下是一个简单的OpenCV代码示例,展示了如何举行这种预处理:
  1. def letterbox(im, new_shape=(640, 640), color=(114, 114, 114), auto=True, scaleFill=False, scaleup=True, stride=32):
  2.     # Resize and pad image while meeting stride-multiple constraints
  3.     shape = im.shape[:2]  # current shape [height, width]
  4.     if isinstance(new_shape, int):
  5.         new_shape = (new_shape, new_shape)
  6.     # Scale ratio (new / old)
  7.     r = min(new_shape[0] / shape[0], new_shape[1] / shape[1])
  8.     if not scaleup:  # only scale down, do not scale up (for better val mAP)
  9.         r = min(r, 1.0)
  10.     # Compute padding
  11.     ratio = r, r  # width, height ratios
  12.     new_unpad = int(round(shape[1] * r)), int(round(shape[0] * r))
  13.     dw, dh = new_shape[1] - new_unpad[0], new_shape[0] - new_unpad[1]  # wh padding
  14.     if auto:  # minimum rectangle
  15.         dw, dh = np.mod(dw, stride), np.mod(dh, stride)  # wh padding
  16.     elif scaleFill:  # stretch
  17.         dw, dh = 0.0, 0.0
  18.         new_unpad = (new_shape[1], new_shape[0])
  19.         ratio = new_shape[1] / shape[1], new_shape[0] / shape[0]  # width, height ratios
  20.     dw /= 2  # divide padding into 2 sides
  21.     dh /= 2
  22.     if shape[::-1] != new_unpad:  # resize
  23.         im = cv2.resize(im, new_unpad, interpolation=cv2.INTER_LINEAR)
  24.     top, bottom = int(round(dh - 0.1)), int(round(dh + 0.1))
  25.     left, right = int(round(dw - 0.1)), int(round(dw + 0.1))
  26.     im = cv2.copyMakeBorder(im, top, bottom, left, right, cv2.BORDER_CONSTANT, value=color)  # add border
  27.     return im, ratio, (dw, dh)
  28. # Load image
  29. img, ratio, dw, dh = cv2.imread('path/to/your/image.jpg')
  30. # Preprocess image
  31. img_preprocessed = letterbox(img)
  32. # Now you can pass `img_preprocessed` to your model for prediction
复制代码
这段代码会将图像缩放并添补到指定的尺寸,同时保持原始宽高比,从而制止畸变。
在现实应用中,你大概需要根据你的具体需求调整这个函数。

免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!更多信息从访问主页:qidao123.com:ToB企服之家,中国第一个企服评测及商务社交产业平台。
回复

使用道具 举报

0 个回复

倒序浏览

快速回复

您需要登录后才可以回帖 登录 or 立即注册

本版积分规则

干翻全岛蛙蛙

金牌会员
这个人很懒什么都没写!
快速回复 返回顶部 返回列表