利用yolov5输出提示框,segment-anything生成掩膜实现图像的自动标注

文章目录

  • 一. 创建环境
  • 二. 下载模型文件
  • 三. 编辑代码

一. 创建环境

  1. anaconda下新建一个环境

    conda create -n yolo-sam python=3.8
    

    在这里插入图片描述

  2. 激活新建的环境

    conda activate yolo-sam
    

在这里插入图片描述

  1. 更换conda镜像源

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    conda config --set show_channel_urls yes
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
    

    在这里插入图片描述

  2. 安装pytorch

    conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3
    

    在这里插入图片描述

  3. 下载官方代码,并解压

    git clone git@github.com:facebookresearch/segment-anything.git
    

    在这里插入图片描述

    https://github.com/ultralytics/yolov5.git
    

    在这里插入图片描述
    在这里插入图片描述

  4. 进入下载好的yolov5-6.1文件夹,打开cmd,激活环境,输入一下代码安装yolov5必须的库

    pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
    

    在这里插入图片描述

  5. 进入下载好的segment-anything文件夹,打开cmd,激活安装好的环境,运行以下代码

    pip install -e . -i https://mirrors.aliyun.com/pypi/simple/
    

    在这里插入图片描述

  6. 安装所需python库

    pip install opencv-python pycocotools matplotlib onnxruntime onnx flake8 isort black mypy -i https://mirrors.aliyun.com/pypi/simple/
    

    在这里插入图片描述

二. 下载模型文件

  1. 下载yolov5-6.1模型文件
    下载地址 https://github.com/ultralytics/yolov5/releases
    在这里插入图片描述
  2. 从官网下载sam模型
    在这里插入图片描述
  3. 在yolov5项目文件中创建一个文件夹,名为weights,把下载的权重文件放进去
    在这里插入图片描述

三. 编辑代码

  1. 将segment-anything项目下的文件夹segment_anything拷贝到yolov5-6.1项目文件夹下
    在这里插入图片描述
  2. 在yolov5-6.1项目下创建一个新的python文件,输入如下代码:
    import argparse
    import os
    import sys
    import numpy as np
    from pathlib import Path
    import cv2
    import json
    import torch
    from segment_anything import sam_model_registry, SamPredictor
    from models.common import DetectMultiBackend
    from utils.datasets import LoadImages
    from utils.general import (LOGGER, check_img_size, check_requirements, increment_path, non_max_suppression, print_args, scale_coords, colorstr)
    from utils.plots import Annotator, colors
    from utils.torch_utils import select_device, time_sync
    
    
    def show_points(coords, labels, ax, marker_size=375):
        pos_points = coords[labels == 1]
        neg_points = coords[labels == 0]
        ax.scatter(pos_points[:, 0], pos_points[:, 1], color='green', marker='*', s=marker_size, edgecolor='white',
                   linewidth=1.25)
        ax.scatter(neg_points[:, 0], neg_points[:, 1], color='red', marker='*', s=marker_size, edgecolor='white',
                   linewidth=1.25)
    
    
    def show_box(box, img):
        x0, y0 = box[0], box[1]
        w, h = box[2] - box[0], box[3] - box[1]
    
        cv2.rectangle(img, (int(x0), int(y0)), (int(x0+w), int(y0+h)), (0, 255, 0), 1)
    
    
    def generate_json(masks, result, savePath):
        if len(masks) == 0:
            return
    
        num = 0
        shapes = []
        for mask in masks:
            mask = mask.cpu().numpy()[0]
            # 过滤面积比较小的物体
            if np.count_nonzero(mask == 1) >= 625:
                # 创建labelme格式
                tempData = {"label": "",
                            "points": [],
                            "group_id": None,
                            "shape_type": "polygon",
                            "flags": {}
                            }
    
                tempData["label"] = str(result[num])
                num = num + 1
                # 找出物体轮廓
                objImg = np.zeros((mask.shape[0], mask.shape[1]), np.uint8)
                objImg[mask] = 255
                contours, hierarchy = cv2.findContours(objImg, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
                # 找出轮廓最大的
                max_area = 0
                maxIndex = 0
                for i in range(0, len(contours)):
                    area = cv2.contourArea(contours[i])
                    if area >= max_area:
                        max_area = area
                        maxIndex = i
    
                # 将每个物体轮廓点数限制在一定范围内
                if len(contours[maxIndex]) >= int(pow(np.count_nonzero(mask == 1), 0.5) / 2):
                    contours = list(contours[maxIndex])
                    contours = contours[::int(len(contours) / int(pow(np.count_nonzero(mask == 1), 0.5) / 2))]
                else:
                    contours = list(contours[maxIndex])
    
                # 向labelme数据格式中添加轮廓点
                for point in contours:
                    tempData["points"].append([int(point[0][0]), int(point[0][1])])
    
                # 添加物体标注信息
                shapes.append(tempData)
    
        jsonPath = savePath.replace(savePath.split(".")[-1], "json")  # 需要生成的文件路径
        print(jsonPath)
    
        # 创建json文件
        file_out = open(jsonPath, "w")
    
        # 载入json文件
        jsonData = {}
    
        # 8. 写入,修改json文件
        jsonData["version"] = "5.2.1"
        jsonData["flags"] = {}
        jsonData["shapes"] = shapes
        jsonData["imagePath"] = savePath.split("\\")[-1]
        jsonData["imageData"] = None
        jsonData["imageHeight"] = mask.shape[0]
        jsonData["imageWidth"] = mask.shape[1]
    
        # 保存json文件
        file_out.write(json.dumps(jsonData, indent=4))  # 保存文件
    
        # 关闭json文件
        file_out.close()
    
    
    FILE = Path(__file__).resolve()
    ROOT = FILE.parents[0]  # YOLOv5 root directory
    if str(ROOT) not in sys.path:
        sys.path.append(str(ROOT))  # add ROOT to PATH
    ROOT = Path(os.path.relpath(ROOT, Path.cwd()))  # relative
    
    
    @torch.no_grad()
    def run(weights_sam=ROOT / 'sam_vit_b_01ec64.pth',  # model.pt path(s)
            weights_yolo=ROOT / 'yolov5s.pt',  # model.pt path(s)
            source=ROOT / 'data/images',  # file/dir/URL/glob, 0 for webcam
            data=ROOT / 'data/coco128.yaml',  # dataset.yaml path
            imgsz=(640, 640),  # inference size (height, width)
            conf_thres=0.25,  # confidence threshold
            iou_thres=0.45,  # NMS IOU threshold
            max_det=1000,  # maximum detections per image
            device='',  # cuda device, i.e. 0 or 0,1,2,3 or cpu
            view_img=False,  # show results
            nosave=False,  # do not save images/videos
            classes=None,  # filter by class: --class 0, or --class 0 2 3
            agnostic_nms=False,  # class-agnostic NMS
            augment=False,  # augmented inference
            project=ROOT / 'runs/detect',  # save results to project/name
            name='exp',  # save results to project/name
            exist_ok=False,  # existing project/name ok, do not increment
            ):
    
        source = str(source)
        save_img = not nosave and not source.endswith('.txt')  # 是否保存检测结果图像标志位
    
        # 创建检测结果保存文件夹
        save_dir = increment_path(Path(project) / name, exist_ok=exist_ok)  # increment run
        (save_dir / 'labels' if False else save_dir).mkdir(parents=True, exist_ok=True)  # make dir
    
        # 载入模型
        device = select_device(device)
        sam = sam_model_registry["vit_" + str(weights_sam).split("_")[2]](checkpoint=weights_sam)
        sam.to(device="cuda")
        model = DetectMultiBackend(weights_yolo, device=device, dnn=False, data=data)
        stride, names, pt, jit, onnx, engine = model.stride, model.names, model.pt, model.jit, model.onnx, model.engine
        imgsz = check_img_size(imgsz, s=stride)  # 检查图像尺寸
    
        # 载入数据
        dataset = LoadImages(source, img_size=imgsz, stride=stride, auto=pt)
        bs = 1  # batch_size
        vid_path, vid_writer = [None] * bs, [None] * bs
    
        # 运行检测
        predictor = SamPredictor(sam)
        model.warmup(imgsz=(1 if pt else bs, 3, *imgsz), half=False)  # warmup
        dt, seen = [0.0, 0.0, 0.0], 0
        for path, im, im0s, vid_cap, s in dataset:
    
            t1 = time_sync()
            im = torch.from_numpy(im).to(device)
            im = im.float()
            im /= 255  # 0 - 255 to 0.0 - 1.0
            if len(im.shape) == 3:
                im = im[None]  # expand for batch dim
            t2 = time_sync()
            dt[0] += t2 - t1
    
            # 预测
            pred = model(im, augment=augment, visualize=False)
            t3 = time_sync()
            dt[1] += t3 - t2
    
            # 非极大值抑制NMS
            pred = non_max_suppression(pred, conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det)
            dt[2] += time_sync() - t3
    
            # Process predictions
            for i, det in enumerate(pred):  # per image
                seen += 1
                p, im0, frame = path, im0s.copy(), getattr(dataset, 'frame', 0)
    
                p = Path(p)  # to Path
                save_path = str(save_dir / p.name)  # im.jpg
                txt_path = str(save_dir / 'labels' / p.stem) + ('' if dataset.mode == 'image' else f'_{frame}')  # im.txt
                s += '%gx%g ' % im.shape[2:]  # print string
                gn = torch.tensor(im0.shape)[[1, 0, 1, 0]]  # normalization gain whwh
                imc = im0.copy() if False else im0  # for save_crop
                annotator = Annotator(im0, line_width=3, example=str(names))
                if len(det):
                    # 将目标框从模型检测尺度变换到图像原始尺度
                    det[:, :4] = scale_coords(im.shape[2:], det[:, :4], im0.shape).round()
    
                    # 打印检测结果
                    for c in det[:, -1].unique():
                        n = (det[:, -1] == c).sum()  # detections per class
                        s += f"{n} {names[int(c)]}{'s' * (n > 1)}, "  # add to string
    
                    # 写结果
                    result = []
                    for *xyxy, conf, cls in reversed(det):
                        if save_img or view_img:  # Add bbox to image
                            c = int(cls)  # integer class
                            result.append(c)
                            label = None if False else (names[c] if False else f'{names[c]} {conf:.2f}')
                            annotator.box_label(xyxy, label, color=colors(c, True))
    
                    image = im0s.copy()
    
                    predictor.set_image(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
    
                    input_boxes = det[:, :4].clone().detach()  # 假设这是目标检测的预测结果
    
                    transformed_boxes = predictor.transform.apply_boxes_torch(input_boxes, image.shape[:2])
    
                    masks, _, _ = predictor.predict_torch(point_coords=None, point_labels=None, boxes=transformed_boxes, multimask_output=False)
    
                    generate_json(masks, result, save_path)
    
                    for mask in masks:
                        mask = mask.cpu().numpy()
                        color = np.concatenate([np.random.random(3) * 255], axis=0)
                        h, w = mask.shape[-2:]
                        mask_image = mask.reshape(h, w, 1) * color.reshape(1, 1, -1)
    
                        image = cv2.addWeighted(image, 1, np.array(mask_image, dtype=np.uint8), 0.4, 0)
    
                    for box in input_boxes:
                        show_box(box.cpu().numpy(), image)
    
                    if view_img:
                        cv2.imshow("mask", image)
                        cv2.waitKey(0)
    
                # Save results (image with detections)
                if save_img:
                    if dataset.mode == 'image':
                        cv2.imwrite(save_path, image)
    
    
            # Print time (inference-only)
            LOGGER.info(f'{s}Done. ({t3 - t2:.3f}s)')
    
        # Print results
        t = tuple(x / seen * 1E3 for x in dt)  # speeds per image
        LOGGER.info(f'Speed: %.1fms pre-process, %.1fms inference, %.1fms NMS per image at shape {(1, 3, *imgsz)}' % t)
        if save_img:
            s = f"\n{len(list(save_dir.glob('labels/*.txt')))} labels saved to {save_dir / 'labels'}" if False else ''
            LOGGER.info(f"Results saved to {colorstr('bold', save_dir)}{s}")
    
    
    def parse_opt():
        parser = argparse.ArgumentParser()
        parser.add_argument('--weights-sam', nargs='+', type=str, default=ROOT / 'weights/sam_vit_h_4b8939.pth', help='model path(s)')
        parser.add_argument('--weights-yolo', nargs='+', type=str, default=ROOT / 'weights/airblow4s.pt', help='model path(s)')
        parser.add_argument('--source', type=str, default="D:\\20231126", help='file/dir/URL/glob, 0 for webcam')
        parser.add_argument('--data', type=str, default=ROOT / 'data/airblow_4.yaml', help='(optional) dataset.yaml path')
        parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640], help='inference size h,w')
        parser.add_argument('--conf-thres', type=float, default=0.5, help='confidence threshold')
        parser.add_argument('--iou-thres', type=float, default=0.1, help='NMS IoU threshold')
        parser.add_argument('--max-det', type=int, default=1000, help='maximum detections per image')
        parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
        parser.add_argument('--view-img', action='store_true', help='show results')
        parser.add_argument('--nosave', action='store_true', help='do not save images/videos')
        parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --classes 0, or --classes 0 2 3')
        parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')
        parser.add_argument('--augment', action='store_true', help='augmented inference')
        parser.add_argument('--project', default=ROOT / 'runs/detect', help='save results to project/name')
        parser.add_argument('--name', default='exp', help='save results to project/name')
        parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
        opt = parser.parse_args()
        opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1  # expand
        print_args(FILE.stem, opt)
        return opt
    
    
    def main(opt):
        check_requirements(exclude=('tensorboard', 'thop'))
        run(**vars(opt))
    
    
    if __name__ == "__main__":
        opt = parse_opt()
        main(opt)
    

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/219451.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Hive SQL的各种join总结

说明 Hive join语法有6中连接 inner join(内连接)、left join(左连接)、right join(右连接)、full outer join(全外连接)、left semi join(左半开连接)、cr…

批量免费AI写作工具,批量免费AI写作软件

人工智能(AI)的应用在各个领域不断创新。面对繁重的写作任务,我们应该怎么完成?本文将专心分享批量免费AI写作的方法、工具以及选择时需要注意的事项。 批量免费AI写作的方法 利用开源AI模型 一种常见的批量免费AI写作方法是利用开源的AI模…

CUDA简介——CUDA内存模式

1. 引言 前序博客: CUDA简介——基本概念CUDA简介——编程模式CUDA简介——For循环并行化CUDA简介——Grid和Block内Thread索引 CUDA内存模式,采用分层设计,是CUDA程序与正常C程序的最大不同之处: Thread-Memory Correspondenc…

《数字中台建设总体方案》

《数字中台建设总体方案》 制定数字中台战略规划:制定符合企业实际情况的数字中台战略规划,明确建设目标、重点任务和时间表。确定数字中台架构:根据企业业务需求和特点,确定数字中台的架构,包括技术架构、应用架构和数…

vFW搭建IRF

正文共:2328字 40图,预估阅读时间:5 分钟 IRF(Intelligent Resilient Framework,智能弹性架构)技术通过将多台设备连接在一起,虚拟化成一台设备,集成多台设备的硬件资源和软件处理能…

Selenium自动化测试技巧还不知道吗?

1、前言 与以前瀑布式开发模式不同,现在软件测试人员具有使用自动化工具执行测试用例套件的优势,而以前,测试人员习惯于通过测试脚本执行来完成测试。 但自动化测试的目的不是完全摆脱手动测试,而是最大程度地减少手动运行的测试…

玻色量子计算应用奖公布!MathorCup大赛圆满落幕

2023年8月15日,中国优选法统筹法与经济数学研究会主办的2023年第十三届MathorCup高校数学建模挑战赛圆满落幕。为了培养优秀学子的创新意识及运用数学方法和量子计算技术解决实际问题的能力,推动量子计算的实际落地应用,北京玻色量子科技有限…

计算机网络:可靠数据传输(rdt)、流水协议、窗口滑动协议

文章目录 前言一、Rdt1.Rdt1.02.Rdt2.03.Rdt2.14.Rdt2.25.Rdt3.0 二、流水线协议1.滑动窗口(slide window)协议发送窗口接收窗口正常情况下的2个窗口互动异常情况下GBN的2个窗口互动异常情况下SR的2窗口互动GBN协议和SR协议的异同 2.小结 总结 前言 Rdt…

Linux之重谈文件和c语言文件接口

重谈文件 文件 内容 属性, 所有对文件的操作都是: a.对内容操作 b.对属性操作 关于文件 一: 即使文件的内容为空,该文件也会在磁盘上也会占空间,因为文件不仅仅只有内容还有文件对应的属性,文件的内容会占用空间, 文件的属性也…

Leetcode每日一题学习训练——Python3版(从二叉搜索树到更大和树)

版本说明 当前版本号[20231204]。 版本修改说明20231204初版 目录 文章目录 版本说明目录从二叉搜索树到更大和树理解题目代码思路参考代码 原题可以点击此 1038. 从二叉搜索树到更大和树 前去练习。 从二叉搜索树到更大和树 给定一个二叉搜索树 root (BST),请…

麦田医学CEO参加2023年度苏州市青年创业标兵授奖仪式

麦田医学CEO参加2023年度苏州市青年创业标兵授奖仪式 2023年12月4日,麦田(苏州)医学科技有限公司(下简称麦田医学)首席执行官(CEO)李任远同志受邀参加在苏州广电总台举行的2023年度苏州大学生创…

如何在亚马逊平台上找到最畅销的产品

这是您掌握在全球最大的在线市场上销售艺术的首选资源。在本博客中,我们将深入探讨在英国亚马逊上查找最畅销产品的秘密。在浩瀚的选择海洋中导航可能会令人不知所措,但不要害怕——有了正确的策略,您就可以发现利润丰厚的机会并提高销售额。…

C++ day53 最长公共子序列 不相交的线 最大子序和

题目1:1143 最长公共子序列 题目链接:最长公共子序列 对题目的理解 返回两个字符串的最长公共子序列的长度,如果不存在公共子序列,返回0,注意返回的是最长公共子序列,与前一天的最后一道题不同的是子序…

uniapp 在线预览PDF

1、官网地址&#xff1a; https://mozilla.github.io/pdf.js/getting_started/ 2、解压文件到static中 3、定义查看组件FilePreview <template><view><web-view :src"allUrl"></web-view></view> </template><script> e…

(04730)电路分析基础之电阻、电容及电感元件

04730电子技术基础 语雀&#xff08;完全笔记&#xff09; 电阻元件、电感元件和电容元件的概念、伏安关系&#xff0c;以及功率分析是我们以后分析电 路的基础知识。 电阻元件 电阻及其与温度的关系 电阻 电阻元件是对电流呈现阻碍作用的耗能元件&#xff0c;例如灯泡、…

mongoose学习记录

mongoose安装和连接数据库 npm i mongoose导入mongoose const mongoose require(mongoose) mongoose.set("strictQuery",true)连接数据库 mongoose.connect(mongodb:127.0.0.1:27017/test)设置回调 mongoose.connection.on(open,()>{console.log("连接成…

弱口令防护和网站防盗链有什么用

弱口令防护主要针对用户账户的安全。弱口令是指容易被猜测或破解的密码&#xff0c;如常见的密码、简单的数字序列或字典中的单词等。弱口令防护的目的是防止恶意用户或攻击者通过猜测或暴力破解密码的方式获取合法用户的账户权限。通过实施强密码策略、密码复杂度要求和账户锁…

centos 7.9 二进制部署 kubernetes 1.27.7

文章目录 1. 预备条件2. 基础配置2.1 配置root远程登录2.2 配置主机名2.3 安装 ansible2.4 配置互信2.5 配置hosts文件2.6 关闭防firewalld火墙2.7 关闭 selinux2.8 关闭交换分区swap2.9 修改内核参数2.10 安装iptables2.11 开启ipvs2.12 配置limits参数2.13 配置 yum2.14 配置…

【JavaEE进阶】 Spring核⼼与设计思想

文章目录 &#x1f332;Spring 是什么&#xff1f;&#x1f384;什么是IoC呢&#xff1f;&#x1f388;传统程序开发&#x1f388;传统程序开发的缺陷&#x1f388;如何解决传统程序的缺陷&#xff1f;&#x1f388;控制反转式程序开发&#x1f388;对⽐总结规律 &#x1f340;…

十二、FreeRTOS之FreeRTOS任务相关API函数

本节需要掌握以下内容&#xff1a; 1&#xff0c;FreeRTOS任务相关API函数介绍&#xff08;熟悉&#xff09; 2&#xff0c;任务状态查询API函数实验&#xff08;掌握&#xff09; 3&#xff0c;任务时间统计API函数实验&#xff08;掌握&#xff09; 4&#xff0c;课堂总结…