COCO格式数据集制作

最新推荐文章于 2025-04-15 16:11:36 发布

kou5321

最新推荐文章于 2025-04-15 16:11:36 发布

阅读量6.5k

点赞数 1

本文链接：https://blog.youkuaiyun.com/weixin_43660619/article/details/102807389

版权

本文介绍了如何使用labelimg工具以VOC格式标注图片，并转换为COCO格式数据集，适用于PyTorch版YOLO模型训练。主要步骤包括：XML标注、文件分离、XML转TXT、创建配置文件、修改配置文件、添加文件路径、模型训练、测试、评估和可视化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

制作数据集主要是为了跑pytorch版本的yolo 超链接
1、用labelimg标注图片，注意要用voc格式生成xml，不要用yolo格式txt
2、使用类似

find  ./cafe_0001a_out -name "*rgb.png"  -type f  -exec mv {} ~/Downloads \;

分离xml文件和jpeg文件，xml放到文件夹annotations下，jpeg文件放到images文件下
2.5 xml转txt

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

classes = ["plastic","glass","metal","paper","cardboard"]


def convert(size, box):
    dw = 1./(size[0])
    dh = 1./(size[1])
    x = (box[0] + box[1])/2.0 - 1
    y = (box[2] + box[3])/2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x*dw
    w = w*dw
    y = y*dh
    h = h*dh
    return (x,y,w,h)

def convert_annotation(rootpath,xmlname):
    xmlpath = rootpath +'Annotations/