如何使用FiftyOne保存叠加检测框的可视化成品图像？

FiftyOne有内置的标注可视化导出能力，无需手动下载或者借助第三方工具转存，以下是两种常用实现方案：

方法1：单样本灵活导出 #

适合需要自定义单样本导出逻辑的场景，使用draw_labeled_image接口实现：

import fiftyone as fo
import fiftyone.utils.annotations as foua

# 加载你已经处理好的数据集
dataset = fo.load_dataset("你的数据集名称")

# 可选：配置可视化样式，匹配你在FiftyOne界面看到的效果
draw_config = foua.DrawConfig({
    "bbox_linewidth": 2,  # 检测框粗细
    "text_size": 14,      # 标签文字大小
    "bbox_alpha": 0.8,    # 检测框透明度
    "show_confidence": True # 是否显示检测置信度
})

# 遍历样本逐个导出
for sample in dataset.iter_samples():
    # 生成带检测框的图像，label_fields填你存储人物检测结果的字段名
    annotated_img = foua.draw_labeled_image(
        sample, 
        label_fields=["person_detections"],
        config=draw_config
    )
    # 保存到本地路径
    save_path = f"./标注后图像/{sample.filename}"
    fo.utils.image.write_image(annotated_img, save_path)

方法2：全数据集批量导出 #

如果需要统一导出整个数据集的带标注可视化结果，直接调用数据集内置方法即可，代码更简洁：

dataset.draw_labels(
    export_dir="./标注后图像",
    label_fields=["person_detections"], # 填你存储人物检测结果的字段名
    config=draw_config, # 可视化配置，可选
    overwrite=True
)

如果确实有其他流程需要，也可以先将检测结果导出为COCO、VOC等标准标注格式，再通过OpenCV、Pillow等图像库自行绘制标注框，但上述内置方法已经可以覆盖绝大多数场景，无需额外开发。

内容的提问来源于stack exchange，提问作者figbar