【COCO】coco数据集转化为tfrecord(目标检测)

最新推荐文章于 2024-08-13 16:25:59 发布

行者无疆兮

最新推荐文章于 2024-08-13 16:25:59 发布

阅读量4.9k

点赞数

分类专栏：计算机视觉深度学习 workTool python 文章标签： coco tfrecord

本文链接：https://blog.csdn.net/qq_30159015/article/details/82901256

版权

本文详细介绍了如何将COCO数据集转换为TensorFlow的TFRecord格式，用于目标检测任务。首先，文章讲解了COCO数据集的结构，然后阐述了TFRecord格式的重要性，接着提供了具体的转换步骤，包括解析COCO JSON标注文件，编码图像数据，以及写入TFRecord文件。最后，还给出了验证转换结果和使用转换后的数据进行训练的指南。

摘要由CSDN通过智能技术生成

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @Time: 2018/9/20
# @Author: xfLi

# ==============================================================================

r"""Convert raw COCO dataset to TFRecord for object_detection.
Please note that this tool creates sharded output files.
Example usage:
    python create_coco_tf_record.py --logtostderr \
      --train_image_dir="${TRAIN_IMAGE_DIR}" \
      --val_image_dir="${VAL_IMAGE_DIR}" \
      --test_image_dir="${TEST_IMAGE_DIR}" \
      --train_annotations_file="${TRAIN_ANNOTATIONS_FILE}" \
      --val_annotations_file="${VAL_ANNOTATIONS_FILE}" \
      --testdev_annotations_file="${TESTDEV_ANNOTATIONS_FILE}" \
      --output_dir="${OUTPUT_DIR}"
"""
#from __future__ import absolute_import
#from __future__ import division
#from __future__ import print_function

import io
import json
import os
import contextlib2
import numpy as np
import PIL.Image
import sys
sys.path.append('/home/workspace/tensorflow/detector')
import options as opt
from utils.label_dict import id_to_label_map

from pycocotools import mask
import tensorflow as tf
from utils.dataset_utils import label_map_util

flags = tf.app.flags
tf.flags.DEFINE_boolean('include_masks', False,
                        'Whether to include instance segmentations masks '
                        '(PNG encoded) in the result. default: False.')
tf.flags.DEFINE_string('train_image_dir', '',
                       'Training image directory.')
tf.flags.DEFINE_string('val_image_dir', '',
                       'Validation image directory.')
tf.flags.DEFINE_string('test_image_dir', '',
                       'Test image directory.')
tf.flags.DEFINE_string('train_annotations_file', '',
                       'Training annotations JSON file.')
tf.flags.DEFINE_string('val_annotations_file', '',
                       'Validation annotations JSON file.')
tf.flags.DEFINE_string('testdev_annotations_file', '',
                       'Test-dev annotations JSON file.')
tf.flags.DEFINE_string('output_dir', '/tmp/', 'Output data directory.')

FLAGS = flags.FLAGS

tf.logging.set_verbosity(tf.loggin