使用coco数据集建立赋值黏贴篡改数据集

为了能够训练赋值黏贴篡改检测网络，我们需要建立一个复制黏贴篡改数据集，为了简单起见，我们使用coco数据集来进行构建。

第一步，建立json文件文件

这里我为了能够按照自己的思路写程序，将coco的json文件格式做了点修改，代码如下

import json
import time
"""
file = open("instances_val2017.json", "r")
img_info = json.load(file)
print(img_info.keys())
tmp_dict = {}
tmp_dict["categories"] = img_info["categories"][:2]
tmp_dict = json.dumps(tmp_dict, indent=4)
"""
#tmp_dict = json.loads(tmp_dict)
#print(tmp_dict)
#img_info = json.dumps(img_info, indent=4)
#print(img_info)

# 获取类别信息
# 第一个返回值是列表
# 第二个返回值是字典
def get_cate():
    file = open("instances_val2017.json", "r")
    img_info = json.load(file)
    tmp_dict = {}
    tmp_dict["categories"] = img_info["categories"]
    #tmp_dict = json.dumps(tmp_dict, indent=4)
    list = tmp_dict["categories"]
    cate = []
    # 第一个位置是背景
    cate.append("background")
    cate_dict = {}
    for item in list:
        cate.append(item["name"])
        cate_dict[item["name"]] = item["id"]

    print(cate)
    print(cate_dict)
    return cate, cate_dict

""""""""""""""""""""""""""""
我自定义的数据格式
{
    "images":{
        "(file_name)":{
            "height": int,
            "width":  int,
            "id":     int,
            "annotation": {
                "segmentation":[
                    [
                    int,
                    int,
                    ...
                    ]
                ],
                "iscrowd": int,
                "bbox":[
                    int,
                    int,
                    int,
                    int
                ],
                "category_id": int,
            }
        }
    }
}

算法步骤：
1.找出所有的filename和对应的id
2.对于每张图片，找寻他的所有标注信息
"""""""""""""""""""""""""""""""""""
def get_info(read_file, dump_file):
    # 保存信息的字典
    img_anno = {}
    img_anno["images"] = {}
    file = open(read_file, "r")
    img_info = json.load(file)
    tmp_dict = {}
    tmp_dict["images"] &#