lafsca5的博客

Rope3D标注文件处理，转为YOLO训练需要标注格式。

目前较多的图像数据集都是由视频划分出来的，然而这样划分出来的文件包含了大量的冗余图像。全部用于训练将会增加不必要的训练时间。为此写了一个拆分数据集代码，主要实现就是通过间隔采样，将原来20帧的图像，每间隔5帧（可以自定义）进行选取，从而减少冗余图像的数量。

统计数据集中目标大、中、小个数

UA-DETRAC转YOLO

批量移动文件、批量修改文件名代码【】

【代码】【标注文件格式转换】.txt YOLO格式与.xml Voc格式互转代码。

def bbox_iou(box1, box2, x1y1x2y2=True, GIoU=False, DIoU=False, CIoU=False, SIoU=False, eps=1e-7): # Returns the IoU of box1 to box2. box1 is 4, box2 is nx4 box2 = box2.T # Get the coordinates of bounding boxes if x1y1x2y2: # x1, y1, x2,

下载pycocotools包（用于解析coco.json文件）直接运行即可from pycocotools.coco import COCOimport numpy as npimport tqdmimport argparsedef arg_parser(): parser = argparse.ArgumentParser('code by rbj') parser.add_argument('--annotation_path', type=str,

处理办法：1.将.txt 转为 .xml2.将.xml 转为 yolov5 所需 .xml因此需要准备两个转换函数txt2xml.py"""该脚本用于visdrone数据处理；将annatations文件夹中的txt标签文件转换为XML文件；txt标签内容为：<bbox_left>,<bbox_top>,<bbox_width>,<bbox_height>,<score>,<object_category>,<t