【COCO】制作自己的coco格式实例分割数据集

zy_destiny

已于 2023-11-13 10:56:37 修改

阅读量831

点赞数 2

分类专栏：实例分割文章标签： python coco 实例分割图像描述生成人体关键点检测 coco数据集

于 2023-11-13 10:46:48 首次发布

本文链接：https://blog.csdn.net/qq_38308388/article/details/134371918

版权

实例分割专栏收录该内容

10 篇文章 0 订阅

订阅专栏

🍋🍋1数据下载

下载COCO2014/2017数据集，里面有label格式，可以按照这个数据格式准备自己的数据集。这里是废了很大力气的。下载数据集命令：

sh COCO_test.sh

其中coco_test.sh内容如下：

#!/bin/bash

start=`date +%s`

# handle optional download dir
if [ -z "$1" ]
  then
    # navigate to ./data
    echo "navigating to ./data/ ..."
    mkdir -p ./data
    cd ./data/
    mkdir -p ./coco
    cd ./coco
    mkdir -p ./images
    mkdir -p ./annotations
  else
    # check if specified dir is valid
    if [ ! -d $1 ]; then
        echo $1 " is not a valid directory"
        exit 0
    fi
    echo "navigating to " $1 " ..."
    cd $1
fi

if [ ! -d images ]
  then
    mkdir -p ./images
fi

# Download the image data.
cd ./images
echo "Downloading MSCOCO train images ..."
curl -LO http://images.cocodataset.org/zips/train2017.zip
echo "Downloading MSCOCO val images ..."
curl -LO http://images.cocodataset.org/zips/val2017.zip

cd ../
if [ ! -d annotations ]
  then
    mkdir -p ./annotations
fi

# Download the annotation data.
cd ./annotations
echo "Downloading MSCOCO train/val annotations ..."
curl -LO http://images.cocodataset.org/annotations/annotations_trainval2014.zip
curl -LO http://images.cocodataset.org/annotations/annotations_trainval2017.zip
echo "Finished downloading. Now extracting ..."

# Unzip data
echo "Extracting train images ..."
unzip -qqjd ../images ../images/train2017.zip
echo "Extracting val images ..."
unzip -qqjd ../images ../images/val2017.zip
echo "Extracting annotations ..."
unzip -qqd .. ./annotations_trainval2014.zip
unzip -qqd .. ./annotations_trainval2017.zip

echo "Removing zip files ..."
rm ../images/train2017.zip
rm ../images/val2017.zip
rm ./annotations_trainval2014.zip
rm ./annotations_trainval2017.zip


end=`date +%s`
runtime=$((end-start))

echo "Completed in " $runtime " seconds"

下载数据界面，过程可能比较慢。。。

🍋🍋2数据格式解析

        标注文件：instances_train2017.json
        以 COCO2017\annotations_train2017\annotations\instances_train2017.json
为例。这个json文件中的信息有以下5个键值所指。
        基本结构如下：

数据集标注json文件所在目录annotations_train2017，文件目录如下：

instances_train2017.json是实例分割数据集标注格式
captions_train2017.json是图像描述生成数据集标注格式
person_keypoints_train2017.json是人体关键点数据集标注格式

🍋🍋3举例

🍓🍓3.1实例分割任务的示例如下：

🍓🍓3.2图像描述生成任务的示例如下：

a man flying through the air while riding a skateboard.
a skateboarder doing a trick at a skate park.
a man in black hovers over a skateboard while they are both in the air.
a person jumping a skate board in the sky
a person on a skateboard jumping up into the air.

🍓🍓3.3人体关键点检测任务示例如下：

🍋🍋4实例分割任务标注详解

🍌🍌4.1label详解

{
“info”: {…},
“licenses”: […],
“images”: […],
“categories”: […],
“annotations”: […]
}

其中info、images、licenses三个key是不同类型标注文件共享的，最后的annotations和categories按照不同的任务有所不同，这两个也是我们制作自己的实例分割数据集的关键。

🍉🍉1.info

该字典包含有关数据集的元数据，对于官方的 COCO 数据集，如下：
{
“description”: “COCO 2017 Dataset”,
“url”: “http://cocodataset.org”,
“version”: “1.0”,
“year”: 2017,
“contributor”: “COCO Consortium”,
“date_created”: “2017/09/01”
}
info仅包含基本信息，"url"值指向数据集官方网站（例如 UCI 存储库页面或在单独域中），这是机器学习数据集中常见的事情，指向他们的网站以获取更多信息，例如获取数据的方式和时间。

🍉🍉2.licenses

licenses是数据集中图像许可的链接，例如知识共享许可，具有以下结构：

[
{
“url”: “http://creativecommons.org/licenses/by-nc-sa/2.0/”,
“id”: 1,
“name”: “Attribution-NonCommercial-ShareAlike License”
},
{
“url”: “http://creativecommons.org/licenses/by-nc/2.0/”,
“id”: 2,
“name”: “Attribution-NonCommercial License”
},
…
]
这里要注意的重要一点是"id"字段——"images"字典中的每个图像都应该指定其许可证的“id”。

在使用图像时，请确保没有违反其许可——可以在 URL 下找到全文。如果我们决定创建自己的数据集，请为每个图像分配适当的许可——如果我们不确定，最好不要使用该图像。

🍉🍉3.images

images这个字典还包含了所有的图片的名称但是没有图片中目标的信息。
包含有关图像的元数据，images内容示例如下：

{
“license”: 3,
“file_name”: “000000391895.jpg”,
“coco_url”: “http://images.cocodataset.org/train2017/000000391895.jpg”,
“height”: 360,
“width”: 640,
“date_captured”: “2013–11–14 11:18:45”,
“flickr_url”: “http://farm9.staticflickr.com/8186/8119368305_4e622c8349_z.jpg”,
“id”: 391895
}

🍉🍉4.categories

categories目标检测/目标分割示例

[
{“supercategory”: “person”, “id”: 1, “name”: “person”},
{“supercategory”: “vehicle”, “id”: 2, “name”: “bicycle”},
{“supercategory”: “vehicle”, “id”: 3, “name”: “car”},
…
{“supercategory”: “indoor”, “id”: 90, “name”: “toothbrush”}
]

这些是可以在图像上检测到的对象类别（"categories"在 COCO 中是类别的另一个名称，我们可以从监督机器学习中了解到）。

每个类别都有一个唯一的"id"，它们应该在 [1，number of categories] 范围内。类别也分为“超类别”，我们可以在程序中使用它们，例如，当我们不关心是自行车、汽车还是卡车（name）时，一般检测车辆（supercategory）。

🍉🍉5.annotations

annotations包含以下7个信息。

“segmentation”：分割掩码像素列表；这是一个扁平的对列表，因此我们应该采用第一个和第二个值（图片中的 x 和 y），然后是第三个和第四个值，以获取坐标；需要注意的是，这些不是图像索引，因为它们是浮点数——它们是由 COCO-annotator 等工具从原始像素坐标创建和压缩的
“area”：分割掩码内的像素数
“iscrowd”：注释是针对单个对象（值为 0），还是针对彼此靠近的多个对象（值为 1）；对于实例分割，此字段始终为 0 并被忽略
“image_id”: ‘images’ 字典中的 ‘id’ 字段；就是图片的名称去除了后缀名
“bbox”：边界框，即对象周围矩形的坐标（左上x，左上y，宽，高）；
“category_id”：对象的类，对应"类别"中的"id"字段
“id”: 注释的唯一标识符；警告：这只是注释ID，这并不指向其他词典中的特定图像！

最后使用数据集时，要使用image_id来获取目标所在的图片，使用bbox获得目标的边界框，category_id来获得目标的类别，这是最主要的三个参数