Labelme转为yolov3 数据集

简介: Labelme转为yolov3 数据集

from os import getcwd

import os

import json

import glob

wd = getcwd()

"labelme标注的json 数据集转为keras 版yolov3的训练集"

classes = ["aircraft","oiltank"]


image_ids = glob.glob(r"LabelmeData/*jpg")

print(image_ids)

list_file = open('train.txt', 'w')


def convert_annotation(image_id, list_file):

   jsonfile=open('%s.json' % (image_id))

   in_file = json.load(jsonfile)


   for i in range(0,len(in_file["shapes"])):

       object=in_file["shapes"][i]

       cls=object["label"]

       points=object["points"]

       xmin=int(points[0][0])

       ymin=int(points[0][1])

       xmax=int(points[1][0])

       ymax=int(points[1][1])

       if cls not in classes:

           print("cls not in classes")

           continue

       cls_id = classes.index(cls)

       b = (xmin, ymin, xmax, ymax)

       list_file.write(" " + ",".join([str(a) for a in b]) + ',' + str(cls_id))

   jsonfile.close()

for image_id in image_ids:

   list_file.write('%s.jpg' % (image_id.split('.')[0]))

   convert_annotation(image_id.split('.')[0], list_file)

   list_file.write('\n')

list_file.close()

 


目录
相关文章
|
机器学习/深度学习 监控 数据可视化
【31】yolov5的使用 | 训练Pascal voc格式的数据集
【31】yolov5的使用 | 训练Pascal voc格式的数据集
1040 0
【31】yolov5的使用 | 训练Pascal voc格式的数据集
|
7月前
|
机器学习/深度学习 PyTorch 算法框架/工具
数据集 VOC转YOLO格式2
数据集 VOC转YOLO格式
|
7月前
|
机器学习/深度学习 数据可视化 算法
基于MLP完成CIFAR-10数据集和UCI wine数据集的分类
基于MLP完成CIFAR-10数据集和UCI wine数据集的分类
164 0
|
7月前
|
编解码 异构计算
通过damo-YOLO训练1500*1500图片的建议:
通过damo-YOLO训练1500*1500图片的建议:
|
7月前
安装并使用labelImg标注数据集,yolo,VOC格式
安装并使用labelImg标注数据集,yolo,VOC格式
213 0
|
网络安全 开发工具 网络架构
YOLOV7详细解读(四)训练自己的数据集
YOLOV7详细解读(四)训练自己的数据集
788 0
|
JSON Linux API
COCO数据集介绍
COCO数据集介绍
1204 0
COCO数据集介绍
|
XML 数据格式 计算机视觉
|
XML 存储 数据格式
Yolov3-spp系列 | 训练Pascal voc格式的数据集
Yolov3-spp系列 | 训练Pascal voc格式的数据集
119 0
Yolov3-spp系列 | 训练Pascal voc格式的数据集
|
机器学习/深度学习 人工智能 并行计算
Pytorch 基于ResNet-18的服饰识别(使用Fashion-MNIST数据集)
Pytorch 基于ResNet-18的服饰识别(使用Fashion-MNIST数据集)
582 0
Pytorch 基于ResNet-18的服饰识别(使用Fashion-MNIST数据集)