[软件工具]精灵标注助手目标检测数据集格式转VOC或者yolo

有时候我们拿到一个数据集发现是xml文件格式如下:

<?xml version="1.0" ?>
<doc>
	<path>C:\Users\Administrator\Desktop\test\000000000074.jpg</path>
	<outputs>
		<object>
			<item>
				<name>dog</name>
				<bndbox>
					<xmin>64</xmin>
					<ymin>271</ymin>
					<xmax>361</xmax>
					<ymax>385</ymax>
				</bndbox>
			</item>
		</object>
	</outputs>
	<time_labeled>1692452783787</time_labeled>
	<labeled>true</labeled>
	<size>
		<width>640</width>
		<height>426</height>
		<depth>3</depth>
	</size>
</doc>

或者是下面json格式

{"path":"C:\\Users\\Administrator\\Desktop\\test\\000000000042.jpg","outputs":{"object":[{"name":"dog","bndbox":{"xmin":228,"ymin":32,"xmax":576,"ymax":286}}]},"time_labeled":1692452770011,"labeled":true,"size":{"width":640,"height":478,"depth":3}}

很显然xml文件格式不是VOC格式,真正VOC格式类似下面

<annotation>
    <folder>VOC</folder>
    <filename>000000000074.jpg</filename>
    <path>C:\Users\Administrator\Desktop\test\000000000074.jpg</path>
    <source>
        <database>FIRC</database>
    </source>
    <size>
        <width>640</width>
        <height>426</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented>
        <object>
            <name>dog</name>
            <pose>Unspecified</pose>
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>
                <xmin>64</xmin>
                <ymin>271</ymin>
                <xmax>361</xmax>
                <ymax>385</ymax>
            </bndbox>
        </object>
</annotation>

大家都知道VOC或者yolo格式是目标检测最常用数据集格式,标注精灵助手格式显然不能直接用于训练,必须转换到VOC格式或者yolo格式才行。因为开发了一个小工具支持到VOC或者yolo格式转换,首先我们打开软件

将标注xml文件或者json文件拖拽到列表点击开始即可自动转换。详情参考视频教程讲解:

精灵标注助手格式转VOC转YOLO格式_哔哩哔哩_bilibili这个软件是window上使用的,可以将精灵标注助手格式xml文件或者json格式文件转成VOC格式或者YOLO格式, 视频播放量 103、弹幕量 0、点赞数 4、投硬币枚数 0、收藏人数 4、转发人数 0, 视频作者 未来自主研究中心, 作者简介 未来自主研究中心,相关视频:C#实现全网yolov7目前最快winform目标检测,基于yolov8+deepsort实现目标追踪视频演示,基于yolov8+bytetrack实现目标追踪视频演示,VOC数据集自动预标注反标注系统之视频自动追踪标注视频演示,基于yolo-nas+bytetrack实现目标追踪视频演示,基于yolo-nas+deepsort实现目标追踪视频演示,用opencv和onnxruntime去部署yolov5-7-8,鼠标多位置同时点击教程,[数据集介绍][目标检测]河道垃圾水面漂浮物数据集VOC格式1304张,将yolov5-6.2封装成一个类几行代码完成语义分割任务https://www.bilibili.com/video/BV1qX4y1W7bW/ 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: 精灵标注助手是一款功能强大的标注工具,可以帮助用户快速高效地标注数据,更好地训练机器学习模型。其中,换COCO样本的功能是该工具的重要功能之一。 COCO是指Microsoft Common Objects in Context,是目标检测、语义分割等计算机视觉领域的几个基准数据集之一。如果我们想要训练一个精准的机器学习模型,就需要收集尽可能多的标注数据。因此,将精灵标注助手中的数据换成COCO格式可以更好地满足需求。 换COCO样本的流程如下: 1. 导出标注数据。我们可以先在精灵标注助手标注数据,然后导出成VOC或者YOLO格式的数据。 2. 将数据换成COCO格式。我们可以使用工具软件将原始数据换成COCO格式,生成JSON文件。换后的数据包括图片的尺寸、类别、坐标等信息。 3. 导入COCO格式数据集。我们可以使用深度学习框架如TensorFlow、PyTorch等,导入换后的COCO格式数据集。同时,还需要对数据集进行预处理、数据增强等操作,以提高模型的精度和泛化能力。 总的来说,换COCO样本是精灵标注助手的一个重要功能,可以为机器学习从业者提供更全面、更准确的标注数据,进而使机器学习模型更加精准、高效。 ### 回答2: 精灵标注助手是一款非常好用的图像标注工具,可以帮助用户快速、准确地完成图像标注任务。如果需要将使用精灵标注助手标注的样本换成COCO格式,可以采取以下步骤: 1. 在精灵标注助手中导出标注结果,保存为XML、JSON或YOLO格式的文件。 2. 使用换工具将标注结果换为COCO格式。目前市面上有很多免费的开源工具可以实现这个功能,例如labelme、labelbox等。 3. 上传换后的COCO样本到云端或者本地服务器上,开始进一步的数据处理和训练模型。可以使用开源框架如Tensorflow、Keras、PyTorch等进行模型的搭建和训练。 值得注意的是,在标注样本时,应该充分考虑到COCO格式的要求,如标注对象的类别、位置、大小等属性,以确保最终换后的样本质量和准确性。同时,精灵标注助手也提供了一些便捷的标注工具,如矩形、多边形、点等,可根据具体需求进行选择和使用。通过合理利用这些功能,可以大大提高标注效率和样本质量。 ### 回答3: 精灵标注助手是一款优秀的图像标注工具,可以帮助用户快速对图像进行标注。用户可以在图像上标注出目标的位置和属性,精灵标注助手会将这些标注信息保存下来。如果用户需要将标注信息换为COCO数据集的样本,也可以使用精灵标注助手。 将标注信息为COCO样本的过程比较简单。首先,用户需要导入标注信息,并选择需要换为COCO样本的标注信息。然后,用户需要选择生成COCO样本的路径,并设置COCO样本的文件名。最后,用户点击“换”按钮即可生成COCO样本。 生成的COCO样本文件包括一个JSON格式的文件和一系列图像文件。JSON文件包含了每个图像的基本信息和目标的标注信息,可以直接用于训练神经网络模型。图像文件则是根据JSON文件中的路径信息进行生成。 总之,使用精灵标注助手可以帮助用户快速将标注信息为COCO样本,方便用户进行图像识别和目标检测等任务的训练。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FL1623863129

你的打赏是我写文章最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值