coco 2017数据集 类别提取并转换为yolo数据集

本次分割的动物数据集 4G

https://download.youkuaiyun.com/download/qq_26696715/87621195

一. coco2017数据集结构

总的结构如下：

├─cocotoyolo.py
├─getanimal.py
├─annotations
├─train2017
└─val2017

其中，images存放的是训练集、验证集的图片原图；annotations中存放的是标注文件：

2017/09/01  19:04        91,865,115 captions_train2017.json
2017/09/01  19:04         3,872,473 captions_val2017.json
2017/09/01  19:02       469,785,474 instances_train2017.json
2017/09/01  19:02        19,987,840 instances_val2017.json
2017/09/01  19:04       238,884,731 person_keypoints_train2017.json
2017/09/01  19:04        10,020,657 person_keypoints_val2017.json

标注文件解析

instances_xx2017.json 是一个COCO数据集的标注文件，包含了所有训练集图片的标注信息，字段含义如下：

1. info：数据集的相关信息，如数据集名称、版本、年份等；
2. licenses：数据集的许可证信息；
3. images：训练集中所有图片的信息，包括图片ID、文件名、高度、宽度等；
4. annotations：训练集中所有标注信息，包括标注ID、图片ID、类别ID、边界框坐标等；
5. categories：所有类别的信息，包括类别ID、类别名称、超类别名称等。

具体解释如下：

1. info：数据集的相关信息，包括数据集名称、版本、作者、年份等。例如，info 字段中可能包含以下信息：

   “info”: {
   “description”: “COCO 2017 Dataset”,
   “url”: “http://cocodataset.org”,
   “version”: “1.0”,
   “year”: 2017,
   “contributor”: “COCO Consortium”,
   “date_created”: “2017/09/01” }

2. licenses：数据集的许可证信息，包括许可证ID、许可证名称等。例如，licenses 字段中可能包含以下信息：

   “licenses”: [
   {
   “id”: 1,
   “name”: “Attribution-NonCommercial-ShareAlike License”,
   “url”: “http://creativecommons.org/licenses/by-nc-sa/2.0/”
   } ]

3. images：训练集中所有图片的信息，包括图片ID、文件名、高度、宽度等。例如，images 字段中可能包含以下信息：

   “images”: [
   {
   “id”: 1,
   “file_name”: “000000000009.jpg”,
   “height”: 480,
   “width”: 640,
   “date_captured”: “2013-11-14 17:02:52”,
   “license”: 1
   } ]

4. annotations：训练集中所有标注信息，包括标注ID、图片ID、类别ID、边界框坐标等。例如，annotations 字段中可能包含以下信息：

   “annotations”: [
   {
   “id”: 1,
   “image_id”: 1,
   “category_id”: 1,
   “bbox”: [96.0, 120.0, 112.0, 80.0],
   “area”: 8960.0,
   “iscrowd”: 0
   } ]

5. categories：所有类别的信息，包括类别ID、类别名称、超类别名称等。例如，categories 字段中可能包含以下信息：

   “categories”: [
   {
   “id”: 1,
   “name”: “person”,
   “supercategory”: “person”
   } ]

二. 提取需要的类别重新封装成coco数据集（这里以动物类别为例）

提取完成后的新文件夹为

├─animal_detection
│  ├─annotations
│  └─images
│      ├─train2017
│      └─val2017

提取代码 getanimal.py

import os
import json
import shutil

# 定义要提取的类别
categories = ['bird', 'cat', 'dog', 'horse', 'sheep', 'cow', 'elephant', 'bear', 'zebra', 'giraffe']

# 定义数据集路径
data_dir = './'

# 定义输出路径
output_dir = './animal_detection'

# 创建输出目录
os.makedirs(os.path.join(output_dir, 'annotations'),exist_ok=True)
os.makedirs(os.path.join(output_dir, 'images', 'train2017'),exist_ok=True)
os.makedirs(os.path.join(output_dir, 'images', 'val2017'),exist_ok=True)



'''
训练集
'''
# 加载原始instances文件
with open(os.path.join(data_dir, 'annotations', 'instances_train2017.json'), 'r') as f:
    train_instances = json.load(f)

# 筛选动物类别的id
# 筛选动物类别的id
animal_ids = []
new_categories <