叶子的博客

yolo目标检测数据采用矩形框进行标注，其标注格式为[cls_id xp yp wp hp]，cls_id表示目标所属的类别序号。xp、yp表示目标中心点相对坐标，其中xp等于目标的绝对横坐标除以图像宽度，yp等于目标的绝对纵坐标除以图像高度。wp和hp表示目标的相对宽度和高度，其中wp等于目标的绝对宽度除以图像宽度，hp等于目标的绝对高度除以图像高度。每张图片的标注结果以txt文本文件存储，每一行[cls_id xp yp wp hp]表示一个目标。

假设输入的图像数据为img，标签label组成为classid、x、y、w、h，因此labels维度为Nx5。假设旋转前的坐标和尺寸为x0、y0、w0、h0。x、y、w、h均为归一化后坐标，即已经除以图像自身的宽高。以下操作需要用到numpy矩阵操作和random随机操作。引入随机的概念主要是为了便于进行随机增强，即随机翻转或随机旋转。

mmclassification数据集主要包含四个文件夹meta、train、val、test，其中meta存储了标注信息，包含train.txt、val.txt和test.txt三个文件。train、val、test存储了各个不同类别的图像。其构成如下图所示： train.txt、val.txt和test.txt文件存储了图片路径和类别id，如下图所示： train、val、test存储了各个不同类别的图像，相同类别的图像位于同一子文件夹下，子文件夹的名称为相应的类别名称，如

为了便于比对图像处理前后的效果，特别是算法处理前后的效果图，我们需要同时显示多张图片。这里采用opencv图像拼接的方法来实现我们想要的效果。 定义图片显示函数show_multi_img，共包括5参数，各个参数的意义和类型分别如下： （1）scale：float类型，图像缩放比例，即按比例对图像进行缩放。 （2）imglist：list类型，即待显示的图像数据组成的列表。 （3）order：list或tuple类型，指图像显示窗口的行和列，order

本节详细介绍KITTI从图像坐标系到激光雷达坐标系的变换原理、过程和代码。Kitti数据集的Tr_velo_to_cam矩阵是将激光雷达点云坐标变换到图像坐标系。Tr是一个3x4的矩阵，直接左乘激光雷达坐标即可得到图像坐标系中的坐标。Tr可以认为是由旋转矩阵R和平移矩阵T组成，即表示为增广矩阵R|T。旋转矩阵R的维度是3x3，T的维度为1x3。将图像坐标系中的坐标变回激光雷达坐标系中需要用到Tr的逆矩阵。Tr逆矩阵求解方法主要有分步求解和直接求解两种。...

定义pad_image_stride函数，将图像的长和宽填充到可以被指定整数整除。这个整数倍通常定义为stride。

COCO格式的语义分割数据json，转为png格式，如CityScapes采用的。使用本脚本可以将coco格式转为CityScapes格式的语义标注。

1、win10安装cocoapipip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPIwin10安装cocoapi_君莫笑-优快云博客2、win平台安装pycocotools和 crowdposetoolscrowdposetools 首先到https://github.com/Jeff-sjtu/CrowdPose.git，克隆下源码，之后进入 crowdpose_a