参考 ultralytics/data/converter.py
注
このファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ ultralytics/data/converter .py にあります。もし問題を発見したら、Pull Request🛠️ を投稿して修正にご協力ください。ありがとうございました!
ultralytics.data.converter.coco91_to_coco80_class()
91 インデックスの COCO クラス ID を 80 インデックスの COCO クラス ID に変換する。
リターンズ
タイプ | 説明 |
---|---|
list
|
91個のクラスIDのリスト。インデックスが80個のクラスIDを表し、値が対応する91個のクラスIDを表す。 91個のクラスIDのリスト。 |
ソースコード 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)]. # ダークネットからココへ x2 = [list(b[i] == a).index(True) if any(b[i] == a) else None for i in range(91)] # ココからダークネットへ # ココからダークネットへ ```
ソースコード 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)
COCO データセットのアノテーションを、YOLO モデルの学習に適したYOLO アノテーション形式に変換する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
labels_dir |
str
|
COCOデータセットのアノテーションファイルが格納されているディレクトリへのパス。 |
'../coco/annotations/'
|
save_dir |
str
|
結果を保存するディレクトリへのパス。 |
'coco_converted/'
|
use_segments |
bool
|
セグメンテーション・マスクを出力に含めるかどうか。 |
False
|
use_keypoints |
bool
|
キーポイント注釈を出力に含めるかどうか。 |
False
|
cls91to80 |
bool
|
91のCOCOクラスIDを対応する80のCOCOクラスIDにマッピングするかどうか。 |
True
|
lvis |
bool
|
lvisデータセット方式でデータを変換するかどうか。 |
False
|
例
出力
指定された出力ディレクトリに出力ファイルを生成する。
ソースコード 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)
DOTA データセットのアノテーションをYOLO OBB (Oriented Bounding Box) フォーマットに変換します。
この関数は、DOTAデータセットの'train'フォルダと'val'フォルダにある画像を処理する。各画像に対して ラベルを読み込み,YOLO OBB フォーマットで新しいラベルを新しいディレクトリに書き込む.
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
dota_root_path |
str
|
DOTAデータセットのルートディレクトリのパス。 |
必須 |
例
備考
DOTAデータセットで想定されるディレクトリ構造:
- DOTA
├─ images
│ ├─ train
│ └─ val
└─ labels
├─ train_original
└─ val_original
実行後、この関数はラベルを以下のように整理する:
- DOTA
└─ labels
├─ train
└─ val
ソースコード 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)
2次元点の2つの配列間の最短距離を持つインデックスの組を見つける。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
arr1 |
ndarray
|
N個の2次元点を表す (N, 2) のNumPy配列。 |
必須 |
arr2 |
ndarray
|
M個の2次元点を表す (M, 2) のNumPy配列。 |
必須 |
リターンズ
タイプ | 説明 |
---|---|
tuple
|
arr1とarr2それぞれの最短距離を持つ点のインデックスを含むタプル。 |
ソースコード ultralytics/data/converter.py
ultralytics.data.converter.merge_multi_segment(segments)
各セグメント間の距離が最小となる座標を結んで、複数のセグメントを 1 つのリストにマージします。 この関数は、これらの座標を細い線で結び、すべてのセグメントを 1 つにまとめます。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
segments |
List[List]
|
COCOのJSONファイルにあるオリジナルのセグメンテーション。 各要素は、[segmentation1, segmentation2,...] のような座標のリストである。 |
必須 |
リターンズ
名称 | タイプ | 説明 |
---|---|---|
s |
List[ndarray]
|
NumPy の配列として表現された、連結されたセグメントのリスト。 |
ソースコード ultralytics/data/converter.py
ultralytics.data.converter.yolo_bbox2segment(im_dir, save_dir=None, sam_model='sam_b.pt')
既存のオブジェクト検出データセット(バウンディングボックス)をセグメンテーションデータセットまたはオリエンテッドバウンディングボックス(OBB)に変換します。 YOLO に変換します。必要に応じて、SAM オートアノテーターを使用してセグメンテーションデータを生成します。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
im_dir |
str | Path
|
変換する画像ディレクトリへのパス。 |
必須 |
save_dir |
str | Path
|
生成されたラベルを保存するパス。
に保存されます。 |
None
|
sam_model |
str
|
中間セグメンテーションデータに使用するセグメンテーションモデル。 |
'sam_b.pt'
|
備考
データセットに想定される入力ディレクトリ構造.
- im_dir
├─ 001.jpg
├─ ..
└─ NNN.jpg
- labels
├─ 001.txt
├─ ..
└─ NNN.txt