mmdetection的json格式的数据转换成execl当中

我用mmdetection训练完成之后,我们训练的结果在json文件当中,如下所示在20230105_221053.log.json当中,但是,当我们使用mmdetection画图时发现画的不是很好看。因此,我们需要把这些数据导出来。导出的代码如下所示:

import json
import pandas as pd

# 打开txt文件并读取其中的JSON数据
with open('20230105_221053.log.json', 'r') as f:
    json_data = f.readlines()

# 创建一个空的列表来保存所有包含loss_cls的JSON数据
loss_cls_data = []

for data in json_data:
    # 将JSON数据转换为Python字典对象
    data_dict = json.loads(data)
    # 获取loss_cls的值
    # loss_cls = data_dict.get('loss_cls', None)
    # 如果loss_cls的值存在,则将其添加到列表中
    # if loss_cls:
    loss_cls_data.append(data_dict)

# 使用pandas模块创建DataFrame并将数据保存到Excel文件中
df = pd.DataFrame(loss_cls_data)
df.to_excel('loss_cls_data.xlsx', index=False)

我这个代码使用chatgpt搞得,然后修改了一下,感觉挺好用的。

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
你可以按照以下步骤将KITTI数据集转换为MMDetection3D格式: 1. 首先,确保你已经下载了KITTI数据集,并且文件结构如下所示: ``` KITTI ├── training │ ├── calib │ ├── image_2 │ ├── label_2 │ ├── velodyne │ └── ... └── testing ├── calib ├── image_2 ├── velodyne └── ... ``` 2. 然后,你需要安装MMDetection3D库。你可以按照官方文档中的指示进行安装:https://mmdetection3d.readthedocs.io/en/latest/getting_started.html#installation 3. 接下来,你需要创建一个配置文件,指定数据集的相关信息。在MMDetection3D中,配置文件通常是一个Python脚本。你可以在`configs/dataset`目录下找到示例配置文件,比如`kitti_dataset.py`。 4. 打开配置文件,并根据你的数据集路径进行相应的修改。主要需要修改的变量有: - `root_path`:指定KITTI数据集的根路径。 - `train_pipeline`和`test_pipeline`:指定数据预处理和增强的操作。 5. 保存并关闭配置文件。 6. 现在,你可以使用MMDetection3D提供的工具将KITTI数据集转换为MMDetection3D格式。在命令行中执行以下命令: ``` python tools/data_converter/kitti_converter.py <path_to_config_file> ``` 其中,`<path_to_config_file>`是你刚刚创建的配置文件的路径。 7. 执行上述命令后,MMDetection3D将会将KITTI数据集转换为MMDetection3D格式,并保存在指定的输出路径中。 完成上述步骤后,你就成功将KITTI数据集转换为MMDetection3D格式了。你可以使用转换后的数据集进行目标检测和3D物体检测任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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
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