FiftyOne——将数据集按VOC格式(及其它)导出

FiftyOne——将数据集按VOC格式(及其它)导出

引言

官方参考

代码

VOC格式

import fiftyone as fo
export_dir = "/path/for/voc-detection-dataset"  # 指定导出的文件夹
label_field = "ground_truth"  # 这边表示的是,只把这个标签域的内容导出
# The dataset or view to export
dataset_or_view  = fo.load_dataset("自己数据集名字")  #  
# Export the dataset
dataset_or_view.export(
    export_dir=export_dir,
    dataset_type=fo.types.VOCDetectionDataset,  # 指定VOC目标检测格式
    label_field=label_field,  # 需要导出的标签域
)

也可指定标签路径

import fiftyone as fo

labels_path = "/path/for/voc-labels"
label_field = "ground_truth"  # for example

# The dataset or view to export
dataset_or_view = fo.Dataset(...)

# Export labels
dataset_or_view.export(
    dataset_type=fo.types.VOCDetectionDataset,
    labels_path=labels_path,
    label_field=label_field,
)
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
将darknet格式数据集转为VOC格式数据集需要以下步骤和注意事项: 1. 首先,确保你已经下载了darknet格式数据集,并且了解其文件结构。darknet格式数据集通常包含一个文件夹用于存放图像,以及一个txt文件用于存放图像的标注信息,如目标的类别、边界框坐标等。 2. 创建一个新的文件夹,用于存放VOC格式数据集。新的文件夹中通常包含三个子文件夹:Annotations(用于存放xml格式的标注文件),JPEGImages(用于存放图像文件),以及ImageSets(用于存放训练、验证和测试的图像文件列表)。 3. 遍历darknet数据集中的每一张图像。将图像文件复制到VOC数据集的JPEGImages文件夹中。 4. 对于每张图像,根据对应的txt文件中的标注信息,创建一个相应的xml文件。这个xml文件应该包含图像的尺寸信息、目标的类别、边界框坐标等。 5. 将创建的xml标注文件保存到VOC数据集的Annotations文件夹中。 6. 在ImageSets文件夹中创建一个文本文件,用于记录训练、验证和测试的图像文件的文件名(不带文件扩展名)。 7. 根据你的需求,可以选择将图像文件随机划分为训练、验证和测试集,或者按照一定比例划分。 8. 最后,将处理后的图像文件名列表保存到对应的训练、验证和测试的txt文件中,并存放在ImageSets/Main/文件夹中。 需要注意的是,darknet和VOC格式数据集之间的差异在于标注文件的格式VOC使用xml格式保存目标的类别、边界框坐标等信息,而darknet使用txt文本文件保存。因此,在转换格式时,需要根据VOC的xml格式创建对应的标注文件,并将相关信息从darknet的txt文件中提取出来保存到xml文件中。同时,还需要将图像文件和标注文件保存到相应的文件夹中,并生成对应的训练、验证和测试集的文件列表。

“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 8
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