眾所周之，用opencv畫圖，是不能直接在上標註中文的，如果要標註中文，需要用到pil庫。在用pil庫進行處理時，需要把讀入的轉成pil的image格式，處理完之後，又得把image格式轉化成array格式。在這兩個轉化的過程，其實是非常耗時的，它的耗時量與的畫素數量成正比。你可以看下面這個例子，就知道耗時量有多大了。
import numpy as np
from pil import image
import time
a=np.random.random((1920,1080)) #生成乙個1080p的單通道
t1=time.time()
image_a=image.fromarray(a)
aa=np.asarray(image_a)
t2=time.time()
b=np.random.random((64,64)) #生成乙個64*64的單通道
t3=time.time()
image_b=image.fromarray(b)
bb=np.asarray(image_b)
t4=time.time()
可見，對於一張1080p的，不包括畫圖，只是進行格式轉換，就用了26毫秒多，所用時間已經夠我用yolov5進行兩次目標檢測。在深度學習框架裡，如果用這種方法進行標記中文，將嚴重拖慢演算法的推理時間，不知道的還以為是深度學習演算法不行呢。
解決思路可以從上面的例子中看出，既然格式轉換的時間與影象的畫素大小有關，那我們就可以只將中需要處理的畫素部分截出來，只對這部分畫素進行格式轉換，標註中文，再轉換回去，再覆蓋在原影象上面，這樣就可以達到快速標註中文。
程式**圖下：
import numpy as np
import cv2
from pil import image,imagefont,imagedraw
import time
frontstyle = imagefont.truetype("simhei.ttf",size=15,encoding="utf-8")
a=np.random.random((1920,1080,3)) #生成乙個1080p的rgb
while true:
t1=time.time()
c1=(int(200),int(200))
c2=(int(260),int(230))
cv2.rectangle(a, c1, c2, (0,0,0), -1, cv2.line_aa) # filled
b=a[200:230,200:260]
image_b=image.fromarray(np.uint8(b))
draw = imagedraw.draw(image_b)
draw.text((0,0),"中國智慧型",(0,255,0),font=frontstyle)
bb=np.asarray(image_b)
a[200:230,200:260]=bb
t2=time.time()
cv2.imshow('image',a)
c= cv2.waitkey(0)
執行結果如下：
可見，這樣處理之後，包括標註中文，總用時才1毫秒左右，時間已經比原來的1/26還少了。
中文標準標註語料的標註中的幾個問題
想讓機器能夠跟人一些樣非常智慧型地處理自然語言，一直是我們的夢想。實現這個理想涉及到很多領域的技術，不管如何設計，自然語言處理 nlp 技術是必備的一環。而自然語言處理中，想要訓練乙個好的模型，語料是繞不過去的門檻。沒有語料，來的模型？而且語料標註規則是否統 一 自洽是訓練自動處理模型的關鍵。不管專...
如何減少silverlight XAP包的尺寸
這次得到了乙個做silverlight應用開發的機會，在發布時遇到 xap 包太大的問題，上網看了半天，最後把微軟的這個文件 如何使用應用程式庫快取 翻來覆去看了半天，終於搞明白了它說的內容，暈啊，真應了 會者不難 這句老話。最後決定把這個其實很簡單的東西總結一下，避免別的新學者浪費時間。開發場景 ...
如何減少silverlight XAP包的尺寸
這次得到了乙個做silverlight應用開發的機會，在發布時遇到 xap 包太大的問題，上網看了半天，最後把微軟的這個文件 如何使用應用程式庫快取 翻來覆去看了半天，終於搞明白了它說的內容，暈啊，真應了 會者不難 這句老話。最後決定把這個其實很簡單的東西總結一下，避免別的新學者浪費時間。開發場景 ...