[Python]Udacity self-driving数据集转yolo格式(目标检测任务)

身披白袍

已于 2023-11-15 16:21:51 修改

阅读量856

点赞数 1

分类专栏：机器学习|数据挖掘|数学模型 Python|Matlab 文章标签： Udacity 目标检测数据集 yolo python

于 2020-12-17 00:11:18 首次发布

本文链接：https://blog.csdn.net/Shenpibaipao/article/details/111305897

版权

本文介绍了如何将Udacity自驾车数据集，特别是crowdai的标注数据集，转换为适用于YOLO目标检测任务的格式。详细过程包括数据集的下载和转化后的目录结构，还提供了用于转化的Python脚本。

摘要由CSDN通过智能技术生成

数据集下载

https://github.com/udacity/self-driving-car/tree/master/annotations

本文转化的脚本适用于datasets1，即crowdai的标注数据集。对于autt的stuff标注数据集，需要修改其中的相关地址字符串。

目录结构

─ {root}
── udacity-annoations-crowdai
──── object-detection-crowdai # 图片存放目录
── labels_crowdai.csv  # 原始标签文件
── convert_yolo.py

转化:

python convert_yolo.py

转化后目录结构：

─ {root}
── udacity-annoations-crowdai
────  labels  # 存放框图的标签
────  images # 由object-detection-crowdai转化而来
────  classes.txt # 标签总类文件
────  yolo_train.txt  # 训练样本的路径
────  yolo_val.txt # 验证样本的路径
────  yolo_test.txt # 测试样本的路径
── labels_crowdai.csv  # 原始标签文件
── convert_yolo.py

脚本 @gist

# convert_yolo.py
import pandas as pd
import os
from pathlib import Path
import shutil
import numpy as np


def mkdir(url):
    if not os.path.exists(url):
        os.mkdir(url)


if __name__ == '__main__':
    # datasets download : https://github.com/udacity/self-driving-car/tree/master/annotations
    np.random.seed(825)
    root_url = Path(__file__).parent / 'udacity-annoations-crowdai'
    img_url