Could not open video at /content/subway.mp4
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 35/100
- Tipo di issue
- Bug
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Ferma
- Stack tecnologico
- jupyter-notebook, opencv, python
- Ambito
- computer-vision
Direzione di ricerca
Apri how-to-detect-and-count-objects-in-polygon-zone.ipynb e ispeziona SUBWAY_VIDEO_PATH nel punto in cui viene chiamato get_video_frames_generator. Riproduci l’estrazione dei frame che non riesce in Google Colab e verifica l’asset subway.mp4 e il percorso a cui si fa riferimento; il lavoro è completato quando viene caricato il primo frame e viene eseguita la cella di rilevamento successiva.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Search before asking
- I have searched the Roboflow Notebooks issues and found no similar bug report.
Notebook name
how-to-detect-and-count-objects-in-polygon-zone.ipynb
Bug
Exception Traceback (most recent call last)
[<ipython-input-27-ef352d094252>](https://localhost:8080/#) in <cell line: 6>()
4 generator = sv.get_video_frames_generator(SUBWAY_VIDEO_PATH)
5 iterator = iter(generator)
----> 6 frame = next(iterator)
7
8 # detect
[/usr/local/lib/python3.10/dist-packages/supervision/video.py](https://localhost:8080/#) in get_video_frames_generator(source_path)
118 video = cv2.VideoCapture(source_path)
119 if not video.isOpened():
--> 120 raise Exception(f"Could not open video at {source_path}")
121 success, frame = video.read()
122 while success:
Exception: Could not open video at /content/subway.mp4
Environment
- Google colab
Minimal Reproducible Example
import supervision as sv
# extract video frame
generator = sv.get_video_frames_generator(SUBWAY_VIDEO_PATH)
iterator = iter(generator)
frame = next(iterator)
# detect
outputs = predictor(frame)
detections = sv.Detections(
xyxy=outputs["instances"].pred_boxes.tensor.cpu().numpy(),
confidence=outputs["instances"].scores.cpu().numpy(),
class_id=outputs["instances"].pred_classes.cpu().numpy().astype(int)
)
# annotate
box_annotator = sv.BoxAnnotator(thickness=4, text_thickness=4, text_scale=2)
frame = box_annotator.annotate(scene=frame, detections=detections)
%matplotlib inline
sv.show_frame_in_notebook(frame, (16, 16))
Additional
the file subway.mp4 is a Invalidation file .
Are you willing to submit a PR?
- Yes I'd like to help by submitting a PR!
- Lingua principale
- Jupyter Notebook
- Stelle
- 9.7k
- Fork
- 1.5k
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di roboflow/notebooks
-
zero-shot-object-detection-with-grounding-dino.ipynb can't render correctlyForse già presa @rkrisa l’ha presa 146 giorni fa. Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
-
bug
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 72/100
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 52/100
-
Drone FPV Object DetectionApertaenhancement
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
-
Minor Issue: The notebook tutorial is using the wrong model (yolov11s instead of RF-DETR)Forse già presa @BillionClaw l’ha presa 241 giorni fa. Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 52/100
Tutte le issue di roboflow/notebooks
Issue simili
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
roboflow/supervision#2971 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
-
enhancement good first issue help wanted
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 83/100
MagneticResonanceImaging/MRIReco.jl#356 ·
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
cleanlab/cleanvision#282 ·