更快的 r-cnn 测试文件夹中的所有图像

发布于 2025-01-12 15:16:59 字数 269 浏览 0 评论 0原文

我在计算机上使用 fast-rcnn 训练了我的模型。如您所知,使用 object_detection_image.py脚本只能测试 1 个图像。但我想测试测试文件夹中的所有图像。我必须编写一个代码(使用循环)来使我能够做到这一点。有谁可以帮助我解决这个问题。提前致谢。真挚地。

I have trained my model using faster-rcnn on my computer. As you know , using object_detection_image.pyscript you can only test 1 image. But I want to test all images in my test folder. I have to write a code (using loops) which enables me to do that. Is there anyone can help me about this problem. Thanks in advance. Sincerely.

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(1

鲜肉鲜肉永远不皱 2025-01-19 15:16:59

你好,
在这里你可以找到我实现的用于测试的函数
一组图像上的 Faster R-CNN:

def get_folder_results(detector, image_dir, device):
       ' The detector represents your Faster R-CNN model,
         image_dir represents the folderpath containing the images,
         device : the device used to train (CPU, GPU ...) '
 for image in os.listdir(image_dir):
    image_path = os.path.join(image_dir, image)
    input_images = [T.ToTensor()(Image.open(image_path)).to(device)]
    prediction = detector(images)
    print(prediction)

    

执行此函数后,您将获得每个图像的预测,其中每个
预测表示边界框的坐标和
相应的类)。

Hello,
Here you can find a function that I implemented for testing
Faster R-CNN on a set of images:

def get_folder_results(detector, image_dir, device):
       ' The detector represents your Faster R-CNN model,
         image_dir represents the folderpath containing the images,
         device : the device used to train (CPU, GPU ...) '
 for image in os.listdir(image_dir):
    image_path = os.path.join(image_dir, image)
    input_images = [T.ToTensor()(Image.open(image_path)).to(device)]
    prediction = detector(images)
    print(prediction)

    

After executing this function you will get a prediction per image where each
prediction represents the coordinates of the bounding boxes and the
corresponding class).

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文