目标检测自动标注代码

#!/usr/bin/python
# -*- coding=utf-8 -*-
# author : DongLZ
# date: 2020-05-22

from xml.etree import ElementTree as ET
import cv2
import os
import numpy as np
from os import getcwd

imgdir = ‘img‘ 
IMAGES_LIST=os.listdir（imgdir） # 图片路径

weightsPath = “./face/face.weights“
configPath = “./face/face.cfg“
labelsPath = “./face/face.names“
LABELS = open（labelsPath）.read（）.strip（）.split（“\n“）
print（LABELS）

net = cv2.dnn.readNetFromDarknet（configPath weightsPath）
net.setPreferableBackend（cv2.dnn.DNN_BACKEND_CUDA）
net.setPreferableTarget（cv2.dnn.DNN_TARGET_CUDA）

def coordinate_get（img）:
    coordinates_list=[] # 创建坐标列表
    boxes = []
    confidences = []
    classIDs = []
    （H W） = img.shape[:2]
    # 得到 YOLO需要的输出层
    ln = net.getlayerNames（）
    ln = [ln[i[0] - 1] for i in net.getUnconnectedOutlayers（）]
    # 从输入图像构造一个blob，然后通过加载的模型，给我们提供边界框和相关概率
    blob = cv2.dnn.blobFromImage（img 1 / 255.0 （416 416） swapRB=True crop=False）
    net.setInput（blob）
    layerOutputs = net.forward（ln）

    # 在每层输出上循环
    for output in layerOutputs:
        # 对每个检测进行循环
        for detection in output:
            scores = detection[5:]
            classID = np.argmax（scores）
            confidence = scores[classID]
            # 过滤掉那些置信度较小的检测结果
            if confidence > 0.01:
                # 框后接框的宽度和高度
                box = detection[0:4]  * np.array（[W H W H]）
                （centerX centerY width height） = box.astype（“int“）
                # 边框的左上角
                x = int（centerX - （width / 2））
                y = int（centerY - （height / 2））
                # 更新检测出来的框
                boxes.append（[x y int（width） int（height）]）
                confidences.append（float（confidence））
                classIDs.append（classID） 

    idxs = cv2.dnn.NMSBoxes（boxes confidences 0.2 0.3）
    if len（idxs） > 0:
        for i in idxs.flatten（）:
            （x y） = （boxes[i][0] boxes[i][1]）
            （w h） = （boxes[i][2] boxes[i][3]）

            xmin = int（x）
            ymin = int（y）
            xmax = int（x + w）
            ymax = int（y + h）
            coordinates_list.append（[xminyminxmaxymaxclassIDs[i]]）

    return coordinates_list

#创建一级分支object
def create_object（rootxiyixayaobj_name）:   # 参数依次，树根，xmin，ymin，xmax，ymax
    #创建一级分支object
    _object=ET.SubElement（root‘object‘）
    #创建二级分支
    name=ET.SubElement（_object‘name‘）