参考资料 ultralytics/data/converter.py
备注
该文件可从https://github.com/ultralytics/ultralytics/blob/main/ ultralytics/data/converter .py 获取。如果您发现问题,请通过提交 Pull Request🛠️ 帮助修复。谢谢🙏!
ultralytics.data.converter.coco91_to_coco80_class()
将 91 索引 COCO 类别 ID 转换为 80 索引 COCO 类别 ID。
返回:
类型 | 说明 |
---|---|
list
|
91 个类别 ID 的列表,其中索引代表 80 索引的类别 ID,值则是相应的 91 索引类别 ID。 相应的 91 索引类别 ID。 |
源代码 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)] # 暗网到 coco_paper.names.dtype='str'。 # 从暗网到 coco x2 = [list(b[i] == a).index(True) if any(b[i] == a) else None for i in range(91)] # coco to coco # 从 coco 到暗网 ```
源代码 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)
将 COCO 数据集注释转换为适合YOLO 模型训练的YOLO 注释格式。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
labels_dir |
str
|
包含 COCO 数据集注释文件的目录路径。 |
'../coco/annotations/'
|
save_dir |
str
|
保存结果的目录路径。 |
'coco_converted/'
|
use_segments |
bool
|
是否在输出中包含分割掩码。 |
False
|
use_keypoints |
bool
|
是否在输出中包含关键点注释。 |
False
|
cls91to80 |
bool
|
是否将 91 COCO 类别 ID 映射到相应的 80 COCO 类别 ID。 |
True
|
lvis |
bool
|
是否以 lvis 数据集方式转换数据。 |
False
|
示例
输出
在指定的输出目录下生成输出文件。
源代码 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)
将 DOTA 数据集注释转换为YOLO OBB(定向边框)格式。
该函数处理 DOTA 数据集 "train "和 "val "文件夹中的图像。对于每幅图像,它都会从原始标签目录中读取 相关标签,并将YOLO OBB 格式的新标签写入新目录。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
dota_root_path |
str
|
DOTA 数据集的根目录路径。 |
所需 |
示例
说明
DOTA 数据集的假定目录结构:
- DOTA
├─ images
│ ├─ train
│ └─ val
└─ labels
├─ train_original
└─ val_original
执行后,该函数将把标签整理为
- DOTA
└─ labels
├─ train
└─ val
源代码 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)
找出两个二维点数组之间距离最短的一对索引。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
arr1 |
ndarray
|
形状为 (N, 2) 的 NumPy 数组,代表 N 个二维点。 |
所需 |
arr2 |
ndarray
|
形状为 (M, 2) 的 NumPy 数组,代表 M 个二维点。 |
所需 |
返回:
类型 | 说明 |
---|---|
tuple
|
一个元组,分别包含 arr1 和 arr2 中距离最短的点的索引。 |
源代码 ultralytics/data/converter.py
ultralytics.data.converter.merge_multi_segment(segments)
通过连接每个线段之间距离最小的坐标,将多个线段合并为一个列表。 此函数用一条细线连接这些坐标,将所有线段合并为一个。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
segments |
List[List]
|
COCO JSON 文件中的原始分段。 每个元素都是一个坐标列表,如 [分割 1、分割 2、...]。 |
所需 |
返回:
名称 | 类型 | 说明 |
---|---|---|
s |
List[ndarray]
|
以 NumPy 数组表示的连接段列表。 |
源代码 ultralytics/data/converter.py
ultralytics.data.converter.yolo_bbox2segment(im_dir, save_dir=None, sam_model='sam_b.pt')
将现有对象检测数据集(边界框)转换为 格式的分割数据集或定向边界框 (OBB) YOLO 格式的分割数据集或定向边界框 (OBB)。根据需要使用SAM 自动标注器生成分割数据。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
im_dir |
str | Path
|
要转换的图像目录路径。 |
所需 |
save_dir |
str | Path
|
保存生成的标签的路径,标签将被保存到
到 |
None
|
sam_model |
str
|
用于中间分段数据的分段模型;可选。 |
'sam_b.pt'
|
说明
数据集的输入目录结构:
- im_dir
├─ 001.jpg
├─ ..
└─ NNN.jpg
- labels
├─ 001.txt
├─ ..
└─ NNN.txt