m0_56520034的博客

【代码】使用Python统计COCO（json文件）中每类标签的个数。

自己制作的数据集每个类别都相互在一起，数据集并未打乱，这会导致网络在学习过程中对权重参数产生一定的拉扯，降低了模型的鲁棒性。而且在训练时使用shuffle只是打乱每个轮次训练数据的顺序，并没有彻底改变数据集的顺序问题。，但是两个工作在我使用的时候都出现了xml文件名与images图像无法对应，标签都乱了（这是最主要的问题，会导致模型训练得乱七八糟）；针对标签乱了的问题，我仔细检查几次运行得结果，发现是读取jpg文件和xml文件时顺序不一样，所以最后无法对应，因此参考这篇博客。此前参考两位博主的代码。

注意：数据预处理流程应为原图—（归一化）—RGB—下采样。

使用mmdetection时，想去掉demo测试时的mask

文件批量重命名

labelimg转coco

笔记六：图像全局最大最小值归一化，多图批量处理

笔记五：图片（文件）shuffle，程序需要放在待处理文件夹同级目录

笔记四：tif 转 jpg，支持批量（图片在哪个文件夹就把程序放进哪个文件夹再运行）

笔记三：灰度（位深度8）转RGB（位深度24），支持批量

笔记二：uint16转uint8（图像拉伸）

笔记一:拼接、补全为指定大小图片