自己資料集轉化為coco資料集

1.將copy到對應資料夾

%cd /home/aistudio

!cp -r data/hand143_panopticdb/imgs/
* data/coco/images/

import json

import os
import cv2
dataset =
# 根路徑，裡面包含images(資料夾)，annos.txt(bbox標註)，classes.txt(類別標籤),以及annotations資料夾(如果沒有則會自動建立，用於儲存最後的json)
data_path =
'data/hand143_panopticdb/hands_v143_14817.json'
root_path =
'data/coco'
#儲存路徑
# 用於建立訓練集或驗證集v
phase =
'train'
f =open
(data_path,encoding=
'utf-8'
)content = json.load(f)
# print(content['root'][0])
for j in
range
(len
(content[
'root'])
):keypoints=
content[
'root'
][j]
['img_paths'
]= os.path.join(root_path,content[
'root'
][j]
['img_paths'])
#將路徑補全
dataset[
'images'])
for i in
range
(len
(content[
'root'
][j]
['joint_self'])
):keypoints=keypoints+content[
'root'
][j]
['joint_self'
][i] 
dataset[
'annotations'])
# 建立類別標籤和數字id的對應關係
joint=
for i in
range
(len
(content[
'root'][
1]['joint_self'])
):'joint'
+str
(i))
dataset[
'categories'])
dataset[
'info'
])

# 儲存結果的資料夾

folder = os.path.join(root_path,
'annotations')if
not os.path.exists(folder)
: os.makedirs(folder)
json_name = os.path.join(root_path,
'annotations/{}.json'
.format
(phase)
)with
open
(json_name,
'w')
as f:
json.dump(dataset, f)

COCO資料集概述

pk的內容包括 目標檢測與例項分割 人體關鍵點檢測 材料識別 全景分割 影象描述 目標檢測 例項分割資料標註檔案解析使用json檔案儲存 其注釋檔案中的內容就是乙個字典資料結構，包括以下5個key value對。其中info images licenses三個key是三種型別標註檔案共享的，最後的a...

COCO資料集製作

ms coco的全稱是microsoft common objects in context，源於微軟於2014年出資標註的microsoft coco資料集，其地位與imagenet等同，是衡量通用模型效能的最佳資料集之一。coco資料集是乙個大型的 豐富的物體檢測，分割和字幕資料集。以scene...

使用COCO資料集報錯

1.背景 跑深度學習的 時，用到coco資料集，就需要用到cocoapi，我們按照它的requirement來，直接把pythonapi放在相應的資料夾下，會報錯importerror no module named pycocotools.mask 或importerror no module n...