前期準(zhǔn)備

思路就是通過一個(gè)mask掩膜，對(duì)我們想要屏蔽或者選擇的區(qū)域進(jìn)行遮擋處理，在推理的時(shí)候，將有mask掩膜的圖像輸入，將最后的結(jié)果顯示在原始圖像上，即完成了屏蔽區(qū)域檢測(cè)。

labelme選擇mask區(qū)域

標(biāo)注好我們想檢測(cè)的區(qū)域之后，我這里將標(biāo)注區(qū)域命名成了mask，然后我們點(diǎn)擊保存導(dǎo)出json文件：

然后我們?cè)俅蜷_終端，cd到j(luò)son所在的文件夾路徑下，輸入如下命令：

labelme_json_to_dataset xxx.json

這里有的兄弟會(huì)遇到一些報(bào)錯(cuò)，主要原因還是環(huán)境的版本問題，可以在網(wǎng)上查到，替換一下對(duì)應(yīng)版本的庫就行了。

我們就會(huì)在這個(gè)路徑下獲得一個(gè)文件夾：

打開文件夾之后會(huì)看到里面有這么五個(gè)文件，我們需要的就是label.png，其他的不用管：

到這里，我們的前期準(zhǔn)備工作就完成了。

代碼改動(dòng)

打開yolov5的項(xiàng)目，進(jìn)入utils/datasets.py中，在代碼的開頭加上讀取我們導(dǎo)出的label.png的代碼：

讀入我們導(dǎo)出的mask圖片文件，然后將其轉(zhuǎn)成灰度圖，然后使用opencv的閾值函數(shù)，將大于0的像素值全部變成255，其余的都為0，得到一張mask的二值圖。

然后我們?cè)倏吹統(tǒng)olov5自帶的推理代碼中，即detect.py文件。看到代碼中的數(shù)據(jù)加載部分：

我們這里是對(duì)圖像進(jìn)行推理，因此我們加載的是圖像，不進(jìn)入webcam中，因此我們加載推理數(shù)據(jù)的方法是LoadImages這個(gè)類，cltr+左鍵進(jìn)入這個(gè)類中，在這個(gè)位置下加入以下代碼：

這段代碼主要實(shí)現(xiàn)了兩個(gè)功能，其中flag參數(shù)決定了我們是否使用mask掩膜對(duì)目標(biāo)進(jìn)行遮擋檢測(cè)，reverse參數(shù)決定了我們是進(jìn)行選擇區(qū)域檢測(cè)還是屏蔽區(qū)域檢測(cè)（其實(shí)這兩者是一個(gè)取反的操作）。
這里我的參數(shù)是flag=1，reverse=0，因此此時(shí)如果我運(yùn)行程序的話，我們會(huì)看到的結(jié)果是只對(duì)我們剛才框定的mask區(qū)域的目標(biāo)進(jìn)行檢測(cè)，而對(duì)其他地方并不會(huì)檢測(cè)：

可以看到，和我們預(yù)想的一樣。

我們?cè)賹?shù)改成flag=1， reverse=1，看看結(jié)果：


此時(shí)我們檢測(cè)的區(qū)域是除了mask區(qū)域的以外區(qū)域，沒問題。

那么最后我們將兩個(gè)參數(shù)都設(shè)置為0：


沒有任何問題！

后面我也會(huì)使用openvino和tensorRT在c++進(jìn)行推理部署，實(shí)現(xiàn)選擇區(qū)域或屏蔽區(qū)域檢測(cè)的功能，歡迎大家關(guān)注。