BBAVectors定向目标检测模型如何实现不同类别对应不同颜色边界框
不同类别检测目标分色标注边界框实现方案
你需要将数据集预定义的颜色映射和test.py的绘图逻辑关联,按以下步骤操作即可:
- 步骤1:在test.py头部引入颜色配置
对初学者来说最简单的方式是直接将datasets/dataset_dota.py中的类别列表和对应颜色列表复制到test.py的导入代码块之后:# 复制DOTA数据集预定义类别和对应颜色 category = ['plane', 'baseball-diamond', 'bridge', 'ground-track-field', 'small-vehicle', 'large-vehicle', 'ship', 'tennis-court', 'basketball-court', 'storage-tank', 'soccer-ball-field', 'roundabout', 'harbor', 'swimming-pool', 'helicopter' ] color_pans = [(204,78,210), (0,192,255), (0,131,0), (240,176,0), (254,100,38), (0,0,255), (182,117,46), (185,60,129), (204,153,255), (80,208,146), (0,0,204), (17,90,197), (0,255,255), (102,255,102), (255,255,0)] # 可选:新增类别名转ID的映射字典 cat_to_id = {cat:i for i,cat in enumerate(category)} - 步骤2:获取当前检测框对应的类别标识
在你找到的cv2.drawContours代码的上下文逻辑中,找到每个检测结果对应的类别信息,一般模型输出的检测结果会包含每个框的类别ID(取值范围0-14,对应15个DOTA类别),如果输出的是类别名称,就用上面的cat_to_id字典转换为数字ID。 - 步骤3:替换固定颜色参数
将你原来的绘图代码:
中的固定颜色值ori_image = cv2.drawContours(ori_image, [np.int0(box)], -1, (255,0,255),1,1)(255,0,255)替换为对应类别的颜色,假设你获取到的当前框类别ID变量为cls_id,修改后代码如下:ori_image = cv2.drawContours(ori_image, [np.int0(box)], -1, color_pans[cls_id], 1, 1)
额外注意:
- 要确保类别ID的取值在0到14之间,避免列表索引越界报错
- 如果需要同时标注类别名称,可以用相同的颜色调用
cv2.putText接口在框的上方绘制类别文字,标注效果更清晰- OpenCV默认使用BGR颜色通道顺序,DOTA提供的
color_pans已经适配了该顺序,不需要额外调整颜色值
内容的提问来源于stack exchange,提问作者MFalam
相关产品推荐
相关产品推荐

