各种数据集标签的转换

代码均已上传至GitHub项目:LABEL-CONVERT


1、InriaToYolov5.py

此文件用于将INRIAPerson数据集标签转为YOLO V5格式的数据集标签,INRIAPerson数据集标签和YOLO V5格式的数据集标签都是txt文件,INRIAPerson标签如下:

  • YOLO V5和INRIAPerson数据集标签均是每张图对应一个txt标签文件
  • INRIAPerson数据集标签存放格式为((Xmin, Ymin) - (Xmax, Ymax))
  • YOLO V5的数据集标签存放格式为(class, centerx, centery, w, h)

2、Yolov5ToCoco.py

此文件用于将YOLO V5格式的数据集标签转为coco数据集标签的格式,YOLO V5的数据集标签为txt文件,coco数据集为json格式,即该文件也可用于txt格式的数据集标签转为json格式标签:

  • YOLO V5的数据集标签是每张图对应一个txt标签文件;coco则是训练集对应一个json文件,验证集对应一个json文件

3、UscToYolov5.py

此文件用于将USC格式的数据集标签转为YOLO V5数据集标签的格式,USC数据集标签为xml文件,xml文件中的内容格式如下:
  

  • USC数据集每张图片对应一个xml标签文件,且图片格式为.bmp
  • USC训练集的xml和图片混放在一个文件夹里
  • USC数据集标签xml中的x, y表示目标框左上角的坐标,height和width表示目标框的高和宽

 4、CitypersonToYolov5.py

此文件用于将Cityperson格式的数据集标签转为YOLO V5数据集标签的格式,Cityperson的数据集标签如下:

  • Cityperson格式的数据集标签为json文件,每张图对应一个json格式的标签文件
  • Cityperson数据集图片位于leftImg8bit文件夹中,对应的标签位于gtBboxCityPersons文件夹中

5、VocToYoloV5.py

此文件用于将voc格式的数据集标签转为YOLO V5数据集标签的格式,voc数据集标签为xml文件,xml文件中的内容格式如下:
 

  • voc格式的数据集标签为xml文件,每张图对应一个xml文件

 

版权声明:本文为CSDN博主「想成为书呆子」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/Ji_HON/article/details/122300853

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

Meta-DETR | 图像级“元”学习提升目标检测精度

计算机视觉研究院专栏作者:Edison_GOne-shot目标检测旨在通过几个标注的样本来检测新的目标。之前的工作已经证明了元学习是一个很有前途的解决方案,它们中的大多数基本上是通过解决在区域上的元学习检测来进行分类

AP AR mAP ROC AUC(目标检测)

禁止转载!在做目标检测任务的时候,通常会制定规则来评估性能,就如下图所示,后面会慢慢道来其中的原理。 混淆矩阵中 TP、TN、FP、FN
在目标检测中,通常以IoU阈值作为

U-Net训练自己的数据集

1:数据准备
我说使用的数据是labelme制作的。json文件保存的是对应图片中所有目标的边界点坐标。
但是UNet训练却使用的是原始图像及其对应的二值化掩膜。就像下面这样: 所以需要把labelme输出的