批量demo推理图片脚本

代码

import os

config_file = 'configs/deeplabv3plus/deeplabv3plus_r101-d8_512x1024_80k_cityscapes.py'
checkpoint_file = 'work_dirs/deeplabv3plus_r101-d8_512x1024_80k_cityscapes/latest.pth'
input_dir = 'path/to/input/images'
output_dir = 'path/to/output/images'

# 循环遍历 input_dir 下的所有图片
for filename in os.listdir(input_dir):
    if filename.endswith('.jpg') or filename.endswith('.png'):
        input_path = os.path.join(input_dir, filename)
        output_path = os.path.join(output_dir, filename)
        os.system(f'python image_demo.py {config_file} {checkpoint_file} {input_path} {output_path}')

讲解

这段代码的作用是循环遍历指定目录下的所有图片，并对每张图片运行 image_demo.py 脚本进行图像分割，并将结果保存到指定目录下的同名文件。

现在让我们逐行解释代码的含义：

```python
import os

导入 Python 的标准库 os，用于操作文件和目录。

config_file = 'configs/deeplabv3plus/deeplabv3plus_r101-d8_512x1024_80k_cityscapes.py'

定义深度学习模型的配置文件路径。

```python
checkpoint_file = 'work_dirs/deeplabv3plus_r101-d8_512x1024_80k_cityscapes/latest.pth'

定义深度学习模型的检查点文件路径。

input_dir = 'path/to/input/images'

定义输入图片所在的目录路径。

output_dir = 'path/to/output/images'

定义输出图片保存的目录路径。

for filename in os.listdir(input_dir):

使用 os.listdir() 函数列出指定目录下的所有文件和目录，并使用 for 循环遍历每个文件和目录。

if filename.endswith('.jpg') or filename.endswith('.png'):

检查当前文件是否是一个 JPEG 或 PNG 格式的图片。

input_path = os.path.join(input_dir, filename)

将输入图片的路径定义为输入目录路径和文件名的组合。

output_path = os.path.join(output_dir, filename)

将输出图片的路径定义为输出目录路径和文件名的组合。

os.system(f'python image_demo.py {
      
      config_file} {
      
      checkpoint_file} {
      
      input_path} {
      
      output_path}')

使用 os.system() 函数执行带有命令行参数的命令，其中包括 image_demo.py 脚本的路径、模型配置文件的路径、模型检查点文件的路径、输入图片的路径和输出图片的路径。此命令将运行图像分割并将结果保存到输出路径中的同名文件。

综上所述，这段代码的作用是自动化运行图像分割模型对指定目录下的所有图片进行分割，并将结果保存到指定目录下的同名文件中。