Référence pour ultralytics/data/converter.py
Note
Ce fichier est disponible à l'adresse https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/data/converter .py. Si tu repères un problème, aide à le corriger en contribuant à une Pull Request 🛠️. Merci 🙏 !
ultralytics.data.converter.coco91_to_coco80_class()
Convertit les identifiants de classe COCO Ă 91 indices en identifiants de classe COCO Ă 80 indices.
Retourne :
Type | Description |
---|---|
list
|
Une liste de 91 ID de classe où l'index représente l'ID de classe 80-index et la valeur est l'ID de classe 91-index correspondant. l'identifiant de classe correspondant à l'indice 91. |
Code source dans ultralytics/data/converter.py
14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 |
|
ultralytics.data.converter.coco80_to_coco91_class()
Converts 80-index (val2014) to 91-index (paper).
For details see https://tech.amikelive.com/node-718/what-object-categories-labels-are-in-coco-dataset/.
Example:
```python
import numpy as np
a = np.loadtxt('data/coco.names', dtype='str', delimiter='
') b = np.loadtxt('data/coco_paper.names', dtype='str', delimiter=' ') x1 = [list(a[i] == b).index(True) + 1 for i in range(80)] # darknet to coco x2 = [list(b[i] == a).index(True) if any(b[i] == a) else None for i in range(91)] # coco vers darknet ```
Code source dans ultralytics/data/converter.py
117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 |
|
ultralytics.data.converter.convert_coco(labels_dir='../coco/annotations/', save_dir='coco_converted/', use_segments=False, use_keypoints=False, cls91to80=True, lvis=False)
Convertit les annotations du jeu de données COCO en un format d'annotation YOLO adapté à la formation des modèles YOLO .
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
labels_dir |
str
|
Chemin d'accès au répertoire contenant les fichiers d'annotation du jeu de données COCO. |
'../coco/annotations/'
|
save_dir |
str
|
Chemin d'accès au répertoire dans lequel enregistrer les résultats. |
'coco_converted/'
|
use_segments |
bool
|
Indique s'il faut inclure les masques de segmentation dans la sortie. |
False
|
use_keypoints |
bool
|
Indique s'il faut inclure les annotations des points clés dans le résultat. |
False
|
cls91to80 |
bool
|
S'il faut faire correspondre les identifiants de classe 91 COCO aux identifiants de classe 80 COCO correspondants. |
True
|
lvis |
bool
|
S'il faut convertir les données à la manière d'un jeu de données lvis. |
False
|
Exemple
Sortie
Génère des fichiers de sortie dans le répertoire de sortie spécifié.
Code source dans ultralytics/data/converter.py
216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 |
|
ultralytics.data.converter.convert_dota_to_yolo_obb(dota_root_path)
Convertit les annotations du jeu de données DOTA au format YOLO OBB (Oriented Bounding Box).
La fonction traite les images des dossiers 'train' et 'val' de l'ensemble de données DOTA. Pour chaque image, elle lit l'étiquette l'étiquette associée dans le répertoire original des étiquettes et écrit de nouvelles étiquettes au format YOLO OBB dans un nouveau répertoire.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
dota_root_path |
str
|
Le chemin du répertoire racine de l'ensemble de données DOTA. |
requis |
Exemple
Notes
La structure de répertoire supposée pour l'ensemble de données DOTA :
- DOTA
├─ images
│ ├─ train
│ └─ val
└─ labels
├─ train_original
└─ val_original
Après l'exécution, la fonction organisera les étiquettes en :
- DOTA
└─ labels
├─ train
└─ val
Code source dans ultralytics/data/converter.py
338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 |
|
ultralytics.data.converter.min_index(arr1, arr2)
Trouve une paire d'index avec la distance la plus courte entre deux tableaux de points 2D.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
arr1 |
ndarray
|
Un tableau NumPy de forme (N, 2) représentant N points 2D. |
requis |
arr2 |
ndarray
|
Un tableau NumPy de forme (M, 2) représentant M points 2D. |
requis |
Retourne :
Type | Description |
---|---|
tuple
|
Un tuple contenant les index des points ayant la distance la plus courte dans arr1 et arr2 respectivement. |
Code source dans ultralytics/data/converter.py
ultralytics.data.converter.merge_multi_segment(segments)
Fusionne plusieurs segments en une seule liste en reliant les coordonnées avec la distance minimale entre chaque segment. Cette fonction relie ces coordonnées par une ligne fine pour fusionner tous les segments en un seul.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
segments |
List[List]
|
Segmentations originales dans le fichier JSON de COCO. Chaque élément est une liste de coordonnées, comme [segmentation1, segmentation2,...]. |
requis |
Retourne :
Nom | Type | Description |
---|---|---|
s |
List[ndarray]
|
Une liste de segments connectés représentés sous forme de tableaux NumPy. |
Code source dans ultralytics/data/converter.py
ultralytics.data.converter.yolo_bbox2segment(im_dir, save_dir=None, sam_model='sam_b.pt')
Convertit les données de détection d'objets existantes (boîtes de délimitation) en données de segmentation ou en boîtes de délimitation orientées (OBB) au format YOLO . Génère des données de segmentation à l'aide de l'auto-annotateur SAM si nécessaire.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
im_dir |
str | Path
|
Chemin d'accès au répertoire d'images à convertir. |
requis |
save_dir |
str | Path
|
Chemin d'accès pour sauvegarder les étiquettes générées, les étiquettes seront sauvegardées
dans |
None
|
sam_model |
str
|
Modèle de segmentation à utiliser pour les données de segmentation intermédiaires ; facultatif. |
'sam_b.pt'
|
Notes
La structure du répertoire d'entrée supposée pour le jeu de données :
- im_dir
├─ 001.jpg
├─ ..
└─ NNN.jpg
- labels
├─ 001.txt
├─ ..
└─ NNN.txt
Code source dans ultralytics/data/converter.py
Créé le 2023-11-12, Mis à jour le 2024-05-08
Auteurs : Burhan-Q (1), glenn-jocher (4), Laughing-q (1)