Box坐标转换

[x, y, width, height]--在我们的训练数据集中就是这种情况（也叫COCO格式）。
[x1, y1, x2, y2] - 我们在BBox增强阶段创建的格式化版本，也叫[xmin, ymin, xmax, ymax]。这个格式在SSD/RCNN/Fast RCNN/Faster RCNN模型中使用。
[x_center, y_center, width, height] - 这是YOLO格式，或者说是使用YOLO模型训练时使用的格式。x_center, y_center是边界框中心的标准化坐标，width, height是图像的标准化宽度和高度。

Example1：

annotations 数据格式：[{'x': 641, 'y': 634, 'width': 74, 'height': 71}]

变成coco_bbox [[641, 634, 74, 71]]

数据处理：

train_df["coco_bbox"] = train_df["annotations"].apply(lambda annot: [list(item.values()) for item in eval(annot)])

版权声明：本文为CSDN博主「苏坡爱豆的笑容都没你的甜」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_44656422/article/details/122961815