# -*- coding:utf-8 -*-
# !/usr/bin/env python
import argparse
import json
import matplotlib.pyplot as plt
import skimage.io as io
import cv2
from labelme import utils
import numpy as np
import glob
import PIL.Image
class MyEncoder(json.JSONEncoder):
def default(self, obj):
if isinstance(obj, np.integer):
return int(obj)
elif isinstance(obj, np.floating):
return float(obj)
elif isinstance(obj, np.ndarray):
return obj.tolist()
else:
return super(MyEncoder, self).default(obj)
class labelme2coco(object):
def __init__(self, labelme_json=[], save_json_path='./tran.json'):
'''
:param labelme_json: 所有labelme的json文件路径组成的列表
:param save_json_path: json保存位置
'''
self.labelme_json = labelme_json
self.save_json_path = save_json_path
self.images = []
self.categories = []
self.annotations = []
# self.data_coco = {}
labelme标注样本之后转coco数据类型python文件
最新推荐文章于 2025-11-21 06:25:43 发布
本文介绍了如何利用labelme工具进行图像标注,并将标注结果转换为COCO数据格式,适合用于深度学习目标检测任务。通过Python脚本,将labelme的JSON文件转化为COCO标准的XML或JSON文件。

最低0.47元/天 解锁文章
6298

被折叠的 条评论
为什么被折叠?



