Cộng đồng Hỏi & Đáp của Inflearn

typing이 잘못되었군요.

아래에서 for 문에 idx, output이 되어야 하는데, idx, ouput이 되었습니다.  ouput=>output으로 수정하시면 됩니다.

늦은 답변 죄송합니다 ㅜㅜ 하단에 코드 첨부해드렸습니다!

# 단일 이미지를 YOLO로 Object Detection 함수화 시키기
import numpy as np
import time
import os

def get_detected_img(cv_net, img_array, conf_threshold, nms_threshold,
                     use_copied_img=True, is_print=True):
  # 원본 이미지 사이즈로 다시 돌려야 함! -> array일때 row는 height를 의미! Detection결과로 반환되는 x좌표는 width를 의미함! 헷갈리지 말즈아!
  height = img_array.shape[0]
  width = img_array.shape[1]
  draw_img = None
  if use_copied_img:
    draw_img = img_array.copy()
  else:
    draw_img = img_array

  # YOLO의 3개 Output layer를 얻자
  layer_names = cv_net.getLayerNames()
  outlayer_names = [layer_names[i[0] - 1] for i in cv_net.getUnconnectedOutLayers()]
  #print('out layer names:', outlayer_names)
  # 로드한 YOLO 모델에 입력 이미지 넣기
  cv_net.setInput(cv2.dnn.blobFromImage(img_array, scalefactor=1/255.,
                                        size=(416, 416), swapRB=True, crop=False))
  # 이미지 Object Detection 수행하는데 Output layers 넣어주기! -> 넣어준 layer일 때마다의 Output을 반환해줌
  start = time.time()
  cv_out = cv_net.forward(outlayer_names)
  
  green, red = (0, 255, 0), (0, 0, 255)
  class_ids = []
  confidences = []
  boxes = []
  # print('type cv_out:', type(cv_out))
  # 총 3개의 Ouput layer들에 대해 하나씩 loop
  for idx, ouput in enumerate(cv_out):
    print('output shape:', output.shape)
    # 각 Output layer들의 Object Detection 결과 처리
    for idx2, detection in enumerate(ouput):
      scores = detection[5:]  # 80개의 클래스 softmax 확률
      class_id = np.argmax(scores)  # 가장 확률이 높은 클래스 id 반환
      confidence = scores[class_id] # 가장 확률이 높은 클래스의 confidence score 반환

      if confidence > conf_threshold:
        # 들어있는 스케일링된 좌표값들 처리(scaled center_x, center_y, width, height)
        center_x = int(detection[0] * width)
        center_y = int(detection[1] * height)
        o_width = int(detection[2] * width)
        o_height = int(detection[3] * height)
        # 왼쪽 상단 좌표 
        left = int(center_x - o_width/2)
        top = int(center_y - o_height/2)

        class_ids.append(class_id)
        confidences.append(float(confidence)) # confidence type => just float형으로!(not np.float)
        boxes.append([left, top, o_width, o_height])
  # NMS 수행
  optimal_idx = cv2.dnn.NMSBoxes(boxes, confidences, conf_threshold, nms_threshold)
  # NMS 결과의 최적의 바운딩 박스들을 하나씩 표시!
  if len(optimal_idx) > 0:
    for i in optimal_idx.flatten():
      class_id = class_ids[i]
      confidence = confidences[i]
      box = boxes[i]
      left = int(box[0])
      top = int(box[1])
      right = int(left + box[2])
      bottom = int(top + box[3])
      caption = f"{labels_to_names_seq[class_id]}: {confidence :.3f}"
      # 박스 씌우고 캡션 넣기
      cv2.rectangle(draw_img, (left, top), (right, bottom),
                    green, thickness=2)
      cv2.putText(draw_img, caption, (left, top-5), cv2.FONT_HERSHEY_COMPLEX,
                  0.4, red, 1)
  if is_print:
    print("Detection 수행 시간:", time.time() - start, "초")

  return draw_img

안녕하십니까,

함수를 어떻게 만들었는지 소스코드를 올려 놓으시면 봐드릴께요.