目录
3.2.1 COCO JSON 与 YOLO TXT 格式转换原理
3.2.2 Small-Target-Aware Label Assignment (STAL) 机制
算法 3.2:Small-Target-Aware Label Assignment (STAL)
脚本 3.1:COCO JSON与YOLO TXT格式转换器
脚本 3.2:Small-Target-Aware Label Assignment (STAL) 实现
3.2.1 COCO JSON 与 YOLO TXT 格式转换原理
在目标检测系统的数据工程层面,标注格式的标准化转换构成了训练流水线的基础环节。COCO(Common Objects in Context)数据集采用的JSON格式以其丰富的元数据结构和层级化组织方式成为学术界的标准交换格式,而YOLO系列模型则采用轻量化的TXT格式以适配边缘计算场景下的高效读取需求。两种格式在几何表示、类别编码和存储结构三个维度存在本质差异,其转换过程涉及坐标系统的数学映射与数据结构的算法重构。
COCO格式采用绝对像素坐标系,边界框以左上角坐标 (x,y) 配合宽度 w 和高度 h 描述,图像级别的元数据包含许可证信息、图像采集场景描述等多维属性。YOLO格式则采用归一化坐标系,边界框中心点 (xc,yc) 与宽高 (w,h) 均以相对于图像尺寸的浮点比例表示,取值范围约束于 [0,1] 区间。这种归一化处理消除了图像分辨率差异带来的尺度敏感性,使得单一样本可在多分辨率训练策略中直接复用。
订阅专栏 解锁全文
542



被折叠的 条评论
为什么被折叠?



