Referência para ultralytics/data/converter.py
Nota
Este ficheiro está disponível em https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/data/converter .py. Se detectares um problema, por favor ajuda a corrigi-lo contribuindo com um Pull Request 🛠️. Obrigado 🙏!
ultralytics.data.converter.coco91_to_coco80_class()
Converte IDs de classe COCO de 91 índices em IDs de classe COCO de 80 índices.
Devolve:
Tipo | Descrição |
---|---|
list
|
Uma lista de 91 IDs de classe em que o índice representa o ID de classe de 80 índices e o valor é o ID de classe de 91 índices correspondente. ID de classe de 91 índices correspondente. |
Código fonte em 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(list(a[i] == b).index(True) + 1 for i in range(80)] # darknet para coco x2 = [list(b[i] == a).index(True) if any(b[i] == a) else None for i in range(91)] # darknet to coco # coco para darknet ```
Código fonte em 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)
Converte as anotações do conjunto de dados COCO para um formato de anotação YOLO adequado para treinar modelos YOLO .
Parâmetros:
Nome | Tipo | Descrição | Predefinição |
---|---|---|---|
labels_dir |
str
|
Caminho para o diretório que contém os ficheiros de anotação do conjunto de dados COCO. |
'../coco/annotations/'
|
save_dir |
str
|
Caminho para o diretório onde guardar os resultados. |
'coco_converted/'
|
use_segments |
bool
|
Se queres incluir máscaras de segmentação na saída. |
False
|
use_keypoints |
bool
|
Se inclui anotações de pontos-chave na saída. |
False
|
cls91to80 |
bool
|
Se mapeia 91 IDs de classe COCO para os correspondentes 80 IDs de classe COCO. |
True
|
lvis |
bool
|
Se queres converter os dados no modo de conjunto de dados lvis. |
False
|
Exemplo
Saída
Gera arquivos de saída no diretório de saída especificado.
Código fonte em 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)
Converte as anotações do conjunto de dados DOTA para o formato YOLO OBB (Oriented Bounding Box).
A função processa imagens nas pastas 'train' e 'val' do conjunto de dados DOTA. Para cada imagem, lê a etiqueta associada lê a etiqueta associada a partir do diretório de etiquetas original e escreve novas etiquetas no formato YOLO OBB para um novo diretório.
Parâmetros:
Nome | Tipo | Descrição | Predefinição |
---|---|---|---|
dota_root_path |
str
|
O caminho do diretório raiz do conjunto de dados DOTA. |
necessário |
Exemplo
Notas
A estrutura de directórios assumida para o conjunto de dados DOTA:
- DOTA
├─ images
│ ├─ train
│ └─ val
└─ labels
├─ train_original
└─ val_original
Após a execução, a função organizará as etiquetas em:
- DOTA
└─ labels
├─ train
└─ val
Código fonte em 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)
Encontra um par de índices com a distância mais curta entre duas matrizes de pontos 2D.
Parâmetros:
Nome | Tipo | Descrição | Predefinição |
---|---|---|---|
arr1 |
ndarray
|
Uma matriz NumPy de forma (N, 2) que representa N pontos 2D. |
necessário |
arr2 |
ndarray
|
Uma matriz NumPy de forma (M, 2) que representa M pontos 2D. |
necessário |
Devolve:
Tipo | Descrição |
---|---|
tuple
|
Uma tupla que contém os índices dos pontos com a distância mais curta em arr1 e arr2, respetivamente. |
Código fonte em ultralytics/data/converter.py
ultralytics.data.converter.merge_multi_segment(segments)
Junta vários segmentos numa lista, ligando as coordenadas com a distância mínima entre cada segmento. Esta função liga estas coordenadas com uma linha fina para fundir todos os segmentos num só.
Parâmetros:
Nome | Tipo | Descrição | Predefinição |
---|---|---|---|
segments |
List[List]
|
Segmentações originais no ficheiro JSON do COCO. Cada elemento é uma lista de coordenadas, como [segmentação1, segmentação2,...]. |
necessário |
Devolve:
Nome | Tipo | Descrição |
---|---|---|
s |
List[ndarray]
|
Uma lista de segmentos ligados representados como matrizes NumPy. |
Código fonte em ultralytics/data/converter.py
ultralytics.data.converter.yolo_bbox2segment(im_dir, save_dir=None, sam_model='sam_b.pt')
Converte o conjunto de dados de deteção de objectos existente (caixas delimitadoras) em conjunto de dados de segmentação ou caixa delimitadora orientada (OBB) no formato YOLO . Gera dados de segmentação utilizando o auto-anotador SAM , conforme necessário.
Parâmetros:
Nome | Tipo | Descrição | Predefinição |
---|---|---|---|
im_dir |
str | Path
|
Caminho para o diretório de imagens a converter. |
necessário |
save_dir |
str | Path
|
Caminho para guardar as etiquetas geradas, as etiquetas serão guardadas
em |
None
|
sam_model |
str
|
Modelo de segmentação a utilizar para dados de segmentação intermédios; opcional. |
'sam_b.pt'
|
Notas
A estrutura do diretório de entrada assumida para o conjunto de dados:
- im_dir
├─ 001.jpg
├─ ..
└─ NNN.jpg
- labels
├─ 001.txt
├─ ..
└─ NNN.txt
Código fonte em ultralytics/data/converter.py
Criado em 2023-11-12, Atualizado em 2024-05-08
Autores: Burhan-Q (1), glenn-jocher (4), Laughing-q (1)