目标检测中图片预处理之图片大小分析

前言：很多做目标检测的新手，拿到数据集就迫不及待想找一个算法来跑它，内心先爽一把，包括我在内也是这样，其实样的做法不合理，我们应该先对数据集进行一些分析，找出数据集的特点，有针对性的进行检测，首先要关注的是图片大小，这个相当重要，假设测试文件来源于医疗遥感类检测任务图像，这些文件可能是50005000甚至1000010000，这时就需要对图片进行resize，缩小图片，然后还要根据模型复杂程度与显存大小来确定图片大小，以免显存不足。通过绘制图片散点图，可以直观看出图片大小分布，整体上把握数据大小，如果散点图集中在左下角，说明图片比较小，无须做太多处理。

获取图片大小，并绘制成散点图:


import time
import matplotlib.image as mping
import os
import matplotlib.pyplot as plt#获取单个图片的大小
def get_Image_Size(image_Path):#print("获取图片尺寸大小："+ image_Path)try:lena = mping.imread(image_Path)except:time.sleep(0.5)print("读图出错，重读")getPngSize(image_Path)size = tuple(lena.shape)#print(size)return size[1],size[0]#遍历目标文件夹下图片的大小，保存到list中
def get_dir_list(image_path):w_list = []h_list = []files = os.listdir(image_path)for i in files:if i.endswith('.jpg'):w,h = get_Image_Size(image_path + i)#print(w,h)w_list.append(w)h_list.append(h)return w_list,h_list#画散点图
def plot_pic(w_list,h_list):fig = plt.figure()ax1 = fig.add_subplot(1, 1, 1)ax1.set_title('DataSets\' Size Analysis')ax1.scatter(w_list, h_list, s=5, c='k', marker='.')plt.show()if __name__ == '__main__':image_path = "./13/"  #目标文件夹，也就是图片存放的目录w_list,h_list = get_dir_list(image_path)plot_pic(w_list,h_list)

运行结果：

上图横轴表示图片的宽度，纵轴表示图片的高度，可以看出大部分数据处于中部偏左下角，少部分数据比较大，我们可以对少部分大小“超标”的图片进行resize，缩小图片。

目标检测中图片预处理之图片大小分析相关推荐

【深度学习】深入浅出YOLOv3目标检测算法和实现（图片和视频）
[深度学习]深入浅出YYOLOv3目标检测算法(图片和视频) 文章目录 1 概述 2 一个全卷积神经网络--Darknet-53 3 解释输出 4 代码实现4.1 导入项目4.2 执行脚本4.3 预测 ...
目标检测中的Two-stage的检测算法
比较详细,作个备份什么是目标检测(object detection): 目标检测(object detection),就是在给定的一张图片中精确找到物体所在的位置,并标注出物体的类别.所以,目标检测 ...
目标检测中的性能提升方法综述
文章目录一.多尺度检测 1.什么是多尺度检测? 2.降低下采样率与空洞卷积 3.多尺度训练 4.优化Anchor尺寸训练 5.深层与浅层特征融合 6.SNIP,尺度归一化 7.TridentNet, ...
目标检测中的Tricks
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达来自 | 知乎作者 | roger 链接 | https: ...
综述：解决目标检测中的样本不均衡问题
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达作者丨SFXiang 来源丨AI算法修炼营编辑丨极市平台极市导 ...
目标检测中Anchor的本质分析
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者丨东林钟声@知乎来源丨https://zhuanlan.zhihu.com/p/84398108 ...
检测到目标服务器启用了trace方法_综述：目标检测中的多尺度检测方法
↑ 点击蓝字关注极市平台作者丨SFXiang来源丨AI算法修炼营编辑丨极市平台极市导读本文从降低下采样率与空洞卷积.多尺度训练.优化Anchor尺寸设计.深层和浅层特征融合等多个方面入手,对目标 ...
目标检测中的anchor-base与anchor-free
前言本文参考目标检测阵营 | Anchor-Base vs Anchor-Free 如何评价zhangshifeng最新的讨论anchor based/ free的论文? - 知乎基础知识 | 目 ...
综述 | 目标检测中的多尺度检测方法
本文从降低下采样率与空洞卷积.多尺度训练.优化Anchor尺寸设计.深层和浅层特征融合等多个方面入手,对目标检测中的多尺度检测方法进行了全面概述,并介绍了多尺度检测相关方法. 前面的话传统卷积网络通 ...
目标检测中的样本不平衡处理方法——OHEM, Focal Loss, GHM, PISA
GitHub 简书 CSDN 文章目录 1. 前言 2. OHEM 3. Focal Loss 3.1 Cross Entropy 3.2 Balanced Cross Entropy 3.3 Foc ...

目标检测中图片预处理之图片大小分析

目标检测中图片预处理之图片大小分析相关推荐

最新文章

热门文章