In [1]:
from tqdm import tqdm
import pandas as pd
/home/titan/env/plate/lib/python3.6/importlib/_bootstrap.py:219: RuntimeWarning: numpy.dtype size changed, may indicate binary incompatibility. Expected 96, got 88
return f(*args, **kwds)
In [2]:
from app.models import Label,Image
In [3]:
Label.objects.all()
Out[3]:
<QuerySet [<Label: LID0106660>, <Label: LID0106661>, <Label: LID0106662>, <Label: LID0106663>, <Label: LID0106664>, <Label: LID0106665>, <Label: LID0106666>, <Label: LID0106667>, <Label: LID0106668>, <Label: LID0106669>, <Label: LID0106670>, <Label: LID0106671>, <Label: LID0106672>, <Label: LID0106673>, <Label: LID0106674>, <Label: LID0106675>, <Label: LID0106676>, <Label: LID0106677>, <Label: LID0106678>, <Label: LID0106679>, '...(remaining elements truncated)...']>
In [4]:
data=pd.read_csv("out.csv")
In [5]:
data
Out[5]:
Unnamed: 0
cls
h
path
w
x
y
0
0
กระบะ
806.638000
dca7efc8-afd5-410a-8bf4-a0f42d3e2073.png
1130.761230
566.879028
151.358978
1
1
รถราง
528.294495
4921b2c5-dea8-4dd2-b72b-7d8f5394030c.png
671.113525
206.831238
34.127380
2
2
กระบะ
878.787109
3ec5a0c5-cfe5-4ab9-a989-cd9d341d3513.png
955.596863
723.057037
-66.184723
3
3
ป้ายทะเบียน
91.521790
3ec5a0c5-cfe5-4ab9-a989-cd9d341d3513.png
120.156944
944.127216
603.249786
4
4
บรรทุก
935.142822
3ec5a0c5-cfe5-4ab9-a989-cd9d341d3513.png
954.868103
774.330841
-69.271942
5
5
รถราง
1093.994629
85949b5c-7087-41eb-b07b-18ca0f30ba91.png
1643.469238
116.325500
-31.858887
6
6
ตู้
507.779785
17f8737c-fe30-4346-8713-087e47d063cf.png
516.319641
1239.601654
145.801147
7
7
กระบะ
271.373016
17f8737c-fe30-4346-8713-087e47d063cf.png
444.721985
824.654022
263.010147
8
8
ป้ายทะเบียน
56.624271
17f8737c-fe30-4346-8713-087e47d063cf.png
98.914902
1355.027046
440.860258
9
9
ป้ายทะเบียน
37.460938
17f8737c-fe30-4346-8713-087e47d063cf.png
60.310814
911.929676
439.317017
10
10
มอเตอร์ไซต์
227.906815
17f8737c-fe30-4346-8713-087e47d063cf.png
182.451447
697.814804
399.786888
11
11
ป้ายทะเบียน
49.020844
17f8737c-fe30-4346-8713-087e47d063cf.png
54.492912
811.923100
485.740128
12
12
เก๋ง
788.325073
e135840b-4c4a-414e-b966-321530c191f8.png
1535.960693
-19.866272
280.876038
13
13
เก๋ง
239.336182
9c980edd-6ac3-4404-a7de-26f2a9aa8cca.png
333.975922
1421.053177
334.635468
14
14
ป้ายทะเบียน
42.351765
9c980edd-6ac3-4404-a7de-26f2a9aa8cca.png
68.241234
1500.169178
439.170553
15
15
กระบะ
406.738708
d46d3f31-c2a3-4334-8fd5-6f6cba8300f2.png
494.864960
1250.189957
251.229950
16
16
กระบะ
282.398956
d46d3f31-c2a3-4334-8fd5-6f6cba8300f2.png
488.829987
823.798874
260.420303
17
17
ป้ายทะเบียน
67.836479
d46d3f31-c2a3-4334-8fd5-6f6cba8300f2.png
100.198784
1310.189182
506.537327
18
18
มอเตอร์ไซต์
233.706589
d46d3f31-c2a3-4334-8fd5-6f6cba8300f2.png
181.827850
687.482986
389.273323
19
19
ป้ายทะเบียน
53.426842
d46d3f31-c2a3-4334-8fd5-6f6cba8300f2.png
55.708179
810.491735
480.003040
20
20
ป้ายทะเบียน
36.425232
d46d3f31-c2a3-4334-8fd5-6f6cba8300f2.png
59.776680
906.934475
444.664520
21
21
เอสยูวี
448.518494
f529a9c7-2bfa-404a-8037-2d724320c61e.png
492.684509
1241.386749
170.028687
22
22
ป้ายทะเบียน
44.650349
f529a9c7-2bfa-404a-8037-2d724320c61e.png
87.778175
1382.712231
357.585165
23
23
รถราง
1118.819336
07723ec3-0627-488d-8d7f-ff504a291af9.png
1651.418213
-71.061829
-19.446289
24
24
เก๋ง
165.528290
07723ec3-0627-488d-8d7f-ff504a291af9.png
144.218933
1505.144196
336.700607
25
25
เก๋ง
881.125000
5f5f1088-f242-4f95-8232-273a10e13019.png
1493.973267
295.103577
198.459656
26
26
ป้ายทะเบียน
141.755173
5f5f1088-f242-4f95-8232-273a10e13019.png
189.703903
1410.287697
895.786049
27
27
เอสยูวี
1041.037476
c2487e65-f36f-45ff-806b-4aabb32bd1bc.png
1440.313843
-35.100952
95.602112
28
28
เก๋ง
138.286041
c2487e65-f36f-45ff-806b-4aabb32bd1bc.png
165.120438
1410.440514
313.576706
29
29
ตู้
1055.916992
c2487e65-f36f-45ff-806b-4aabb32bd1bc.png
1527.159790
49.139893
41.096924
...
...
...
...
...
...
...
...
36345
36345
เก๋ง
599.005676
4d8fdc96-663e-4bf5-a421-1edd3ae061a9.png
831.781738
681.517212
304.672760
36346
36346
ป้ายทะเบียน
87.635773
4d8fdc96-663e-4bf5-a421-1edd3ae061a9.png
122.834030
797.136208
539.629257
36347
36347
เก๋ง
459.085236
897ef534-7365-4f9d-8f5d-f0afea47cdda.png
669.423950
1062.135803
280.604843
36348
36348
ป้ายทะเบียน
66.056061
897ef534-7365-4f9d-8f5d-f0afea47cdda.png
109.417374
1219.867851
483.485336
36349
36349
จักรยาน
247.150436
897ef534-7365-4f9d-8f5d-f0afea47cdda.png
209.604889
284.104660
478.066078
36350
36350
กระบะ
384.608734
1a959273-dee7-4f34-996d-5bb6e51b1150.png
414.271667
1360.357208
150.956589
36351
36351
ป้ายทะเบียน
57.290752
1a959273-dee7-4f34-996d-5bb6e51b1150.png
94.453491
1461.819519
413.184732
36352
36352
คน
324.213074
1a959273-dee7-4f34-996d-5bb6e51b1150.png
175.765900
397.484055
280.793579
36353
36353
รถราง
304.342377
9d1408b6-56db-482b-99ae-addbfa4c9cec.png
199.829773
281.733887
88.462128
36354
36354
รถราง
1107.565918
8be825c7-0c78-47c7-b102-dccf60da37eb.png
1693.668945
88.155823
-38.128845
36355
36355
เก๋ง
144.084198
8be825c7-0c78-47c7-b102-dccf60da37eb.png
132.176117
1675.333450
334.174423
36356
36356
กระบะ
313.000854
c9e2b625-6476-4111-b9db-26e990937735.png
296.282806
1487.066238
162.345520
36357
36357
เก๋ง
702.586304
3a6ddcff-ad4c-4256-9c22-3a048ee09cc6.png
1124.426147
523.628723
281.333252
36358
36358
ป้ายทะเบียน
112.626205
3a6ddcff-ad4c-4256-9c22-3a048ee09cc6.png
144.315872
691.662987
572.946358
36359
36359
เก๋ง
435.777802
3c92eab2-0d01-4a11-b051-cc27248b0910.png
610.376892
1116.550812
209.346725
36360
36360
ป้ายทะเบียน
64.646652
3c92eab2-0d01-4a11-b051-cc27248b0910.png
111.558899
1248.294037
418.090401
36361
36361
กระบะ
299.140045
bbe6bc74-b638-4f59-bada-7c17103d37c9.png
507.210785
827.180618
256.201431
36362
36362
เก๋ง
382.586548
bbe6bc74-b638-4f59-bada-7c17103d37c9.png
575.173462
1158.949158
315.703064
36363
36363
ป้ายทะเบียน
59.984577
bbe6bc74-b638-4f59-bada-7c17103d37c9.png
101.002785
1299.109081
478.584036
36364
36364
ป้ายทะเบียน
34.454010
bbe6bc74-b638-4f59-bada-7c17103d37c9.png
60.209820
901.984140
445.450241
36365
36365
มอเตอร์ไซต์
183.993652
bbe6bc74-b638-4f59-bada-7c17103d37c9.png
121.452972
697.317520
439.818176
36366
36366
ป้ายทะเบียน
46.112190
bbe6bc74-b638-4f59-bada-7c17103d37c9.png
62.825638
758.314232
493.674435
36367
36367
มอเตอร์ไซต์
564.362183
e371ac3b-2200-45ec-b598-1179217ad001.png
525.100891
1381.093842
531.451721
36368
36368
รถราง
641.862427
edb94b02-533b-48e5-a9b5-a018aed0aa25.png
562.180359
1191.108185
-27.726776
36369
36369
เก๋ง
855.774963
31ac2915-b460-4d4d-806d-6f354ca4e93d.png
1301.895508
333.946899
196.617157
36370
36370
ป้ายทะเบียน
143.634399
31ac2915-b460-4d4d-806d-6f354ca4e93d.png
231.214874
1311.208237
943.394226
36371
36371
เก๋ง
184.118088
af7a5e51-a0f6-458a-9cff-6f2614914139.png
314.182648
478.010178
198.590218
36372
36372
แท็กซี่
188.893326
af7a5e51-a0f6-458a-9cff-6f2614914139.png
412.205383
452.428131
181.119011
36373
36373
แท็กซี่
692.936523
86c62f53-3d65-446b-8e4e-3c06b3b50544.png
912.225769
974.246246
182.689514
36374
36374
ป้ายทะเบียน
97.995712
86c62f53-3d65-446b-8e4e-3c06b3b50544.png
145.635284
1155.742783
538.983345
36375 rows × 7 columns
In [6]:
data.head
Out[6]:
<bound method NDFrame.head of Unnamed: 0 cls h \
0 0 กระบะ 806.638000
1 1 รถราง 528.294495
2 2 กระบะ 878.787109
3 3 ป้ายทะเบียน 91.521790
4 4 บรรทุก 935.142822
5 5 รถราง 1093.994629
6 6 ตู้ 507.779785
7 7 กระบะ 271.373016
8 8 ป้ายทะเบียน 56.624271
9 9 ป้ายทะเบียน 37.460938
10 10 มอเตอร์ไซต์ 227.906815
11 11 ป้ายทะเบียน 49.020844
12 12 เก๋ง 788.325073
13 13 เก๋ง 239.336182
14 14 ป้ายทะเบียน 42.351765
15 15 กระบะ 406.738708
16 16 กระบะ 282.398956
17 17 ป้ายทะเบียน 67.836479
18 18 มอเตอร์ไซต์ 233.706589
19 19 ป้ายทะเบียน 53.426842
20 20 ป้ายทะเบียน 36.425232
21 21 เอสยูวี 448.518494
22 22 ป้ายทะเบียน 44.650349
23 23 รถราง 1118.819336
24 24 เก๋ง 165.528290
25 25 เก๋ง 881.125000
26 26 ป้ายทะเบียน 141.755173
27 27 เอสยูวี 1041.037476
28 28 เก๋ง 138.286041
29 29 ตู้ 1055.916992
... ... ... ...
36345 36345 เก๋ง 599.005676
36346 36346 ป้ายทะเบียน 87.635773
36347 36347 เก๋ง 459.085236
36348 36348 ป้ายทะเบียน 66.056061
36349 36349 จักรยาน 247.150436
36350 36350 กระบะ 384.608734
36351 36351 ป้ายทะเบียน 57.290752
36352 36352 คน 324.213074
36353 36353 รถราง 304.342377
36354 36354 รถราง 1107.565918
36355 36355 เก๋ง 144.084198
36356 36356 กระบะ 313.000854
36357 36357 เก๋ง 702.586304
36358 36358 ป้ายทะเบียน 112.626205
36359 36359 เก๋ง 435.777802
36360 36360 ป้ายทะเบียน 64.646652
36361 36361 กระบะ 299.140045
36362 36362 เก๋ง 382.586548
36363 36363 ป้ายทะเบียน 59.984577
36364 36364 ป้ายทะเบียน 34.454010
36365 36365 มอเตอร์ไซต์ 183.993652
36366 36366 ป้ายทะเบียน 46.112190
36367 36367 มอเตอร์ไซต์ 564.362183
36368 36368 รถราง 641.862427
36369 36369 เก๋ง 855.774963
36370 36370 ป้ายทะเบียน 143.634399
36371 36371 เก๋ง 184.118088
36372 36372 แท็กซี่ 188.893326
36373 36373 แท็กซี่ 692.936523
36374 36374 ป้ายทะเบียน 97.995712
path w x \
0 dca7efc8-afd5-410a-8bf4-a0f42d3e2073.png 1130.761230 566.879028
1 4921b2c5-dea8-4dd2-b72b-7d8f5394030c.png 671.113525 206.831238
2 3ec5a0c5-cfe5-4ab9-a989-cd9d341d3513.png 955.596863 723.057037
3 3ec5a0c5-cfe5-4ab9-a989-cd9d341d3513.png 120.156944 944.127216
4 3ec5a0c5-cfe5-4ab9-a989-cd9d341d3513.png 954.868103 774.330841
5 85949b5c-7087-41eb-b07b-18ca0f30ba91.png 1643.469238 116.325500
6 17f8737c-fe30-4346-8713-087e47d063cf.png 516.319641 1239.601654
7 17f8737c-fe30-4346-8713-087e47d063cf.png 444.721985 824.654022
8 17f8737c-fe30-4346-8713-087e47d063cf.png 98.914902 1355.027046
9 17f8737c-fe30-4346-8713-087e47d063cf.png 60.310814 911.929676
10 17f8737c-fe30-4346-8713-087e47d063cf.png 182.451447 697.814804
11 17f8737c-fe30-4346-8713-087e47d063cf.png 54.492912 811.923100
12 e135840b-4c4a-414e-b966-321530c191f8.png 1535.960693 -19.866272
13 9c980edd-6ac3-4404-a7de-26f2a9aa8cca.png 333.975922 1421.053177
14 9c980edd-6ac3-4404-a7de-26f2a9aa8cca.png 68.241234 1500.169178
15 d46d3f31-c2a3-4334-8fd5-6f6cba8300f2.png 494.864960 1250.189957
16 d46d3f31-c2a3-4334-8fd5-6f6cba8300f2.png 488.829987 823.798874
17 d46d3f31-c2a3-4334-8fd5-6f6cba8300f2.png 100.198784 1310.189182
18 d46d3f31-c2a3-4334-8fd5-6f6cba8300f2.png 181.827850 687.482986
19 d46d3f31-c2a3-4334-8fd5-6f6cba8300f2.png 55.708179 810.491735
20 d46d3f31-c2a3-4334-8fd5-6f6cba8300f2.png 59.776680 906.934475
21 f529a9c7-2bfa-404a-8037-2d724320c61e.png 492.684509 1241.386749
22 f529a9c7-2bfa-404a-8037-2d724320c61e.png 87.778175 1382.712231
23 07723ec3-0627-488d-8d7f-ff504a291af9.png 1651.418213 -71.061829
24 07723ec3-0627-488d-8d7f-ff504a291af9.png 144.218933 1505.144196
25 5f5f1088-f242-4f95-8232-273a10e13019.png 1493.973267 295.103577
26 5f5f1088-f242-4f95-8232-273a10e13019.png 189.703903 1410.287697
27 c2487e65-f36f-45ff-806b-4aabb32bd1bc.png 1440.313843 -35.100952
28 c2487e65-f36f-45ff-806b-4aabb32bd1bc.png 165.120438 1410.440514
29 c2487e65-f36f-45ff-806b-4aabb32bd1bc.png 1527.159790 49.139893
... ... ... ...
36345 4d8fdc96-663e-4bf5-a421-1edd3ae061a9.png 831.781738 681.517212
36346 4d8fdc96-663e-4bf5-a421-1edd3ae061a9.png 122.834030 797.136208
36347 897ef534-7365-4f9d-8f5d-f0afea47cdda.png 669.423950 1062.135803
36348 897ef534-7365-4f9d-8f5d-f0afea47cdda.png 109.417374 1219.867851
36349 897ef534-7365-4f9d-8f5d-f0afea47cdda.png 209.604889 284.104660
36350 1a959273-dee7-4f34-996d-5bb6e51b1150.png 414.271667 1360.357208
36351 1a959273-dee7-4f34-996d-5bb6e51b1150.png 94.453491 1461.819519
36352 1a959273-dee7-4f34-996d-5bb6e51b1150.png 175.765900 397.484055
36353 9d1408b6-56db-482b-99ae-addbfa4c9cec.png 199.829773 281.733887
36354 8be825c7-0c78-47c7-b102-dccf60da37eb.png 1693.668945 88.155823
36355 8be825c7-0c78-47c7-b102-dccf60da37eb.png 132.176117 1675.333450
36356 c9e2b625-6476-4111-b9db-26e990937735.png 296.282806 1487.066238
36357 3a6ddcff-ad4c-4256-9c22-3a048ee09cc6.png 1124.426147 523.628723
36358 3a6ddcff-ad4c-4256-9c22-3a048ee09cc6.png 144.315872 691.662987
36359 3c92eab2-0d01-4a11-b051-cc27248b0910.png 610.376892 1116.550812
36360 3c92eab2-0d01-4a11-b051-cc27248b0910.png 111.558899 1248.294037
36361 bbe6bc74-b638-4f59-bada-7c17103d37c9.png 507.210785 827.180618
36362 bbe6bc74-b638-4f59-bada-7c17103d37c9.png 575.173462 1158.949158
36363 bbe6bc74-b638-4f59-bada-7c17103d37c9.png 101.002785 1299.109081
36364 bbe6bc74-b638-4f59-bada-7c17103d37c9.png 60.209820 901.984140
36365 bbe6bc74-b638-4f59-bada-7c17103d37c9.png 121.452972 697.317520
36366 bbe6bc74-b638-4f59-bada-7c17103d37c9.png 62.825638 758.314232
36367 e371ac3b-2200-45ec-b598-1179217ad001.png 525.100891 1381.093842
36368 edb94b02-533b-48e5-a9b5-a018aed0aa25.png 562.180359 1191.108185
36369 31ac2915-b460-4d4d-806d-6f354ca4e93d.png 1301.895508 333.946899
36370 31ac2915-b460-4d4d-806d-6f354ca4e93d.png 231.214874 1311.208237
36371 af7a5e51-a0f6-458a-9cff-6f2614914139.png 314.182648 478.010178
36372 af7a5e51-a0f6-458a-9cff-6f2614914139.png 412.205383 452.428131
36373 86c62f53-3d65-446b-8e4e-3c06b3b50544.png 912.225769 974.246246
36374 86c62f53-3d65-446b-8e4e-3c06b3b50544.png 145.635284 1155.742783
y
0 151.358978
1 34.127380
2 -66.184723
3 603.249786
4 -69.271942
5 -31.858887
6 145.801147
7 263.010147
8 440.860258
9 439.317017
10 399.786888
11 485.740128
12 280.876038
13 334.635468
14 439.170553
15 251.229950
16 260.420303
17 506.537327
18 389.273323
19 480.003040
20 444.664520
21 170.028687
22 357.585165
23 -19.446289
24 336.700607
25 198.459656
26 895.786049
27 95.602112
28 313.576706
29 41.096924
... ...
36345 304.672760
36346 539.629257
36347 280.604843
36348 483.485336
36349 478.066078
36350 150.956589
36351 413.184732
36352 280.793579
36353 88.462128
36354 -38.128845
36355 334.174423
36356 162.345520
36357 281.333252
36358 572.946358
36359 209.346725
36360 418.090401
36361 256.201431
36362 315.703064
36363 478.584036
36364 445.450241
36365 439.818176
36366 493.674435
36367 531.451721
36368 -27.726776
36369 196.617157
36370 943.394226
36371 198.590218
36372 181.119011
36373 182.689514
36374 538.983345
[36375 rows x 7 columns]>
In [7]:
for i in data:
# path = x['path'][1]
print(i)
Unnamed: 0
cls
h
path
w
x
y
In [8]:
path = data['path'][1]
In [9]:
Image.objects.filter(src_path=path)
Out[9]:
<QuerySet [<Image: 4921b2c5-dea8-4dd2-b72b-7d8f5394030c.png>]>
In [13]:
with transaction.atomic():
for i in tqdm(range(len(data)-1)):
# for i in tqdm(range(100)):
path = data['path'][i]
cls = data['cls'][i]
x = data['x'][i]
y = data['y'][i]
w = data['w'][i]
h = data['h'][i]
# print(path,cls,x,y,w,h)
# print(i)
img = Image.objects.filter(src_path=path)[0]
lable = Label.objects.update_or_create(
image=img,
x=x,
y=y,
width=w,
height=h,
brand=cls,
)
100%|██████████| 36374/36374 [01:10<00:00, 516.37it/s]
In [14]:
len(data)
Out[14]:
36375
In [12]:
# x = Label.objects.all().delete()
In [15]:
from app.models import Batch
In [17]:
Batch.objects.all()
Out[17]:
<QuerySet [<Batch: BID000001>, <Batch: BID000002>, <Batch: BID000003>, <Batch: BID000004>, <Batch: BID000005>, <Batch: BID000006>, <Batch: BID000007>, <Batch: BID000008>, <Batch: BID000009>, <Batch: BID000010>, <Batch: BID000011>, <Batch: BID000012>, <Batch: BID000013>, <Batch: BID000014>, <Batch: BID000015>, <Batch: BID000016>, <Batch: BID000017>, <Batch: BID000018>, <Batch: BID000019>, <Batch: BID000020>, '...(remaining elements truncated)...']>
In [31]:
labelled = Batch.objects.filter(status=3)
In [32]:
len(labelled)
Out[32]:
2
In [33]:
rework = Batch.objects.update(status=1)
In [ ]:
Content source: wasit7/visionmarker
Similar notebooks: