cfg.MODEL.WEIGHTS = os.path.join(cfg.OUTPUT_DIR, "model_final.pth")
cfg.MODEL.ROI_HEADS.SCORE_THRESH_TEST = 0.5
cfg.DATASETS.TEST = ("fruit_test", )
predictor = DefaultPredictor(cfg)
image_path = "/content/detectron2_custom_dataset/testimages/test2.jpg"
def on_image(image_path,predictor):
im = cv2.imread(image_path)
outputs = predictor(im)
v = Visualizer(im[:,:,::-1], metadata = {}, scale=0.5, instance_mode = ColorMode.SEGMENTATION)
v = v.draw_instance_predictions(outputs["instances"].to("cpu"))
plt.figure(figsize=(14,10))
plt.imshow(v.get_image())
plt.show()
on_image(image_path, predictor)
总之,我想用我现在上传的模型测试我的模型,我不想在图像上有类 ID。我想要班级名称,例如橙色,香蕉,苹果
在寻找一个简单的解决方案之后,我想到了这个,这是最简单的 IMO。
Class Metadata:
def get(self, _):
return ['apple','banana','orange','etc'] #your class labels
然后,在 Visualizer 行中提供元数据
v = Visualizer(im[:, :, ::-1], Metadata, scale=0.5, instance_mode = ColorMode.SEGMENTATION)
否则,您需要使用(虚拟)数据或什至 1 张带有注释的图像注册模型,然后加载其元数据。我觉得在这个阶段有点无关紧要,如果你只需要它用于推理代码。
您可以通过填充包含映射的
metadata
kwarg 来获取标签。
v = Visualizer(im[:, :, ::-1], MetadataCatalog.get(cfg.DATASETS.TEST[0]), scale=0.5, instance_mode = ColorMode.SEGMENTATION)
我会将 Visualizer 行中的“元数据 = {}”更改为
{"thing_classes":['orange','banana','apple']}
整条线是
v = Visualizer(im[:,:,::-1], {"thing_classes":['orange','banana','apple']}, scale=0.5, instance_mode = ColorMode.SEGMENTATION)
基于 draw_instance_predictions 函数中的以下代码 (detectron2/utils/visualizer.py)
labels = _create_text_labels(classes, scores, self.metadata.get("thing_classes", None))
这条简单的线对我有用。
MetadataCatalog.get("YOUR_DATASET").thing_classes = [LIST OF YOUR CLASS LABELS]