Darkflow: 使用来自另一个 python 应用程序的暗流来保存带有预测和边界框的图像

您必须编写自己的函数来绘制框并在解析 json 输出后写入图像。

您可以使用这样的代码

cv2.rectangle(imgcv,
              (result["topleft"]["x"], result["topleft"]["y"]),
              (result["bottomright"]["x"],
               result["bottomright"]["y"]),
              (0, 255, 0), 4)
text_x, text_y = result["topleft"][
    "x"] - 10, result["topleft"]["y"] - 10

cv2.putText(imgcv, result["label"], (text_x, text_y),
            cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2, cv2.LINE_AA)

其中 result 是 return predict 方法返回的结果列表中的单个元素，而 imgcv 是原始图像。 希望这有帮助！

谢谢 ！

打印结果后是否有保存带有预测及其边界框的图像？

从 darkflow.net.build 导入 TFNet
导入简历2

选项= {“模型”：“cfg/yolo.cfg”，“负载”：“bin/yolo.weights”，“阈值”：0.1}

tfnet = TFNet（选项）

imgcv = cv2.imread("./sample_img/sample_dog.jpg")
结果 = tfnet.return_predict(imgcv)
打印（结果）

执行此代码时遇到问题。 您能告诉我有关“加载”参数的信息吗？

打印结果后是否有保存带有预测及其边界框的图像？
从 darkflow.net.build 导入 TFNet
导入简历2
选项= {“模型”：“cfg/yolo.cfg”，“负载”：“bin/yolo.weights”，“阈值”：0.1}
tfnet = TFNet（选项）
imgcv = cv2.imread("./sample_img/sample_dog.jpg")
结果 = tfnet.return_predict(imgcv)
打印（结果）

执行此代码时遇到问题。 您能告诉我有关“加载”参数的信息吗？

@abhishek795jha "load" 参数是您的权重文件.......最初我们在训练后将 yolo 权重文件创建为权重文件进行测试。 在训练时，您必须使用命令“--savepb”来保存 .pb 文件，使用 with flow 命令。