labelme标注自定义数据集COCO类型

使用labelme制作COCO类型的自定义数据集

一、COCO类型数据集

本文重点介绍COCO类自定义数据集制作，关于COCO数据格式参考以下链接：COCO数据集格式

二、自定义数据集制作步骤

（1）数据集文件夹说明

最终需要的文件夹目录如下图所示，其中data位于mmdetection项目根目录下。

（2）使用labelme标注工具进行标注

具体使用方法参考：LabelMe使用_labelme中所有的create的作用解释-优快云博客

（3）生成需要训练，验证，测试的图片txt文件

使用create_txt.py生成train2019.txt，val2019.txt，test2019.txt，分别对应需要训练，验证，测试的图片名（仅包括名，无扩展名.jpg）如：10001.jpg即保存为10001。create_txt.py文件代码 以及txt文件内容展示如下

# !/usr/bin/python
# -*- coding: utf-8 -*-
import os
import random

trainval_percent = 0.8  # 验证集+训练集占总比例多少
train_percent = 0.7  # 训练数据集占验证集+训练集比例多少
jsonfilepath = 'labels/total'
txtsavepath = './'
total_xml = os.listdir(jsonfilepath)

num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

ftrainval = open('./trainval.txt', 'w')
ftest = open('./test.txt', 'w')
ftrain = open('./train.txt', 'w')
fval = open('./val.txt', 'w')

for i in list:
    name = total_xml[i][:-5] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

（4）通过classify.py程序将json文件与图片分类

此步骤是为了 将所有标注文件与图片文件按照 上一步三个txt文件里的进行分类对应。

此步骤需要创建文件夹如下图所示。注意！！！images

import shutil
import cv2 as cv

sets=['train',  'val', 'test']

for image_set in sets:
    #分别读取三个txt文件中内容并拼接出 所有图片名
    image_ids = open('./%s.txt'%(image_set)).read().strip().split()
    #将每一类的图片和对应的json文件存入对应的文件夹
    for image_id in image_ids:
        img = cv.imread('images/total2019/%s.jpg' % (image_id))
        json='labelme/total/%s.json'% (image_id)
        cv.imwrite(