用ChatGPT全自动开发安全头盔佩戴检测项目-51CTO.COM

哈喽，大家好。

今天给大家分享用ChatGPT开发安全头盔佩戴检测。代码完全用GPT4完成。

首先，给ChatGPT设定角色，告诉我们要完成的任务，然后让ChatGPT给出详细的步骤。

图片

从数据准备与标注、模型选择与设计到模型部署，ChatGPT给出非常具体、详细、可执行的步骤。

这里，我们主要关注数据准备和模型选择训练。

如果自己收集数据，再标注费时费力，我们可以让ChatGPT帮我们查找一下是否有现成的资源

图片

他没有直接给我们找到数据集，但是提供了可以搜索资源的网站，如：Kaggle、GitHub，我们可以在这些网站搜索。

我在Kaggle和GitHub上查找后，都能找到已经标注好的数据集，最后，我选择了Kaggle上的一个数据集

图片

数据集包含戴头盔和未戴头盔两种分类，标注文件是PASCAL格式。

图片

下载数据集，让 ChatGPT写代码解析标注文件，在原图上绘制标注结果

图片

代码是正确的，只要修改下输入文件的路径，就可以直接运行，看到标注的检测框

import cv2
import xml.etree.ElementTree as ET
import random


# 随机生成一个颜色
def random_color():
    return (0, random.randint(0, 255), random.randint(0, 255))


# 读取PASCAL VOC格式的XML标注文件
def read_annotations(xml_file):
    tree = ET.parse(xml_file)
    root = tree.getroot()

    boxes = []
    for obj in root.iter('object'):
        name = obj.find('name').text
        xmlbox = obj.find('bndbox')
        x1 = int(xmlbox.find('xmin').text)
        y1 = int(xmlbox.find('ymin').text)
        x2 = int(xmlbox.find('xmax').text)
        y2 = int(xmlbox.find('ymax').text)

        boxes.append([name, x1, y1, x2, y2])

    return boxes


# 读取图片
image_path = "./archive (1)/images/BikesHelmets38.png"  # 更改为你的图片路径
image = cv2.imread(image_path)

# 读取标注
xml_path = "./archive (1)/annotations/BikesHelmets38.xml"  # 更改为你的XML文件路径
annotations = read_annotations(xml_path)

# 在图片上画出标注框
for annotation in annotations:
    name, x1, y1, x2, y2 = annotation
    color = random_color()
    cv2.rectangle(image, (x1, y1), (x2, y2), color, 2)
    cv2.putText(image, name, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1)

# 显示图片
cv2.imshow('Annotated Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

图片