将数据集制作成VOC数据集格式的实例-创新互联
在做目标检测任务时,若使用Github已复现的论文时,需首先将自己的数据集转化为VOC数据集的格式,因为论文作者使用的是公开数据集VOC 2007、VOC2012、COCO等类型数据集做方法验证与比对。
十余年的高州网站建设经验,针对设计、前端、开发、售后、文案、推广等六对一服务,响应快,48小时及时工作处理。成都全网营销推广的优势是能够根据用户设备显示端的尺寸不同,自动调整高州建站的显示方式,使网站能够适用不同显示终端,在浏览器中调整网站的宽度,无论在任何一种浏览器上浏览网站,都能展现优雅布局与设计,从而大程度地提升浏览体验。创新互联公司从事“高州网站设计”,“高州网站推广”以来,每个客户项目都认真落实执行。一、VOC数据集格式
--VOCdevkit2007
--VOC2007
--Annotations (xml格式的文件)
--000001.xml
--ImageSets
--Layout
--Main
--train.txt
--test.txt
--val.txt
--trainval.txt
--Segmentation
--JPEGImages (训练集和测试集图片)
--000001.jpg
--results
二、转换过程步骤
1. 使用标注工具标注图片目标检测框,生成JSON格式的标注文件(本人使用此生成类型的标注工具,也可使用(LabelImg等标注工具);
2. 批量修改图片和标注文件名称,从000001.jpg、000001.json标号开始;
#coding='utf-8' import os import numpy as np def imgs_rename(imgs_path): imgs_labels_name = np.array(os.listdir(imgs_path)).reshape(-1,2) # 从 000001开始 i = 1 for img_label_name in imgs_labels_name: if img_label_name[0].endswith('.jpg'): # 修改图片名称 img_old_name = os.path.join(os.path.abspath(imgs_path), img_label_name[0]) # 类别+图片编号 format(str(i),'0>3s') 填充对齐 img_new_name = os.path.join(os.path.abspath(imgs_path), '00' + format(str(i),'0>4s') + '.jpg') os.rename(img_old_name, img_new_name) # 修改json文件名称 label_old_name = os.path.join(os.path.abspath(imgs_path), img_label_name[1]) label_new_name = os.path.join(os.path.abspath(imgs_path), '00' + format(str(i), '0>4s') + '.json') os.rename(label_old_name, label_new_name) i = i + 1 if __name__=='__main__': # 读取json文件的路径 root = "read_file_path" imgs_rename(root)
名称栏目:将数据集制作成VOC数据集格式的实例-创新互联
网站路径:http://scyanting.com/article/dsgiop.html