不知道扩展vg relation 种类数

编写不易如果觉得不错，麻烦关注一下~

不知道扩展vg relation 种类数，现在市面上都是VG150的身影了....

但是检测的种类又那么多，尝试扩展微软模块neural motif 谓词种类数量......

注意一点！glove 应该是没有词组，所以会转换成词组其中的一个词，所以自己还需要筛选或者转换成别的词

一、数据集配料：（利用下面三个主食）108,077 Images

看一下三个文件一一对应关系：

1. image_data.json 可以看出visualgenome 10万多的图片是从1 开始排序,但是后来发现第5000断层,后来发现不能只使用obj_id 而是要自己内部排序，需要对boxlist 进行内部从0编码id。

2.object.json

里面有重要的目标的编号id，name,宽高，x,y坐标。我们下面使用xyxy模式，也即x2 = x+w,  y2 = y+h ,同样这里也是从图片1号开始编码

3.relationship.json

一个图的关系很丰富呀，这么多。一个图的关系组成relationships 的一个列表元素。重要元素，目标id， predicate 名称， 目标的名称

4. 可视化该图一个关系，标框验证一一对应关系

找出对应的object_id 之间的关系

man:1058532, jacket 1058530 之间为has 关系

参考之前我的文章https://blog.csdn.net/u012211422/article/details/115722417?spm=1001.2014.3001.5501

二、准备成微软需要的数据集tsv格式

由于官网已经提供了img.tsv 于hw.tsv 所以我们只需要提供label.tsv以及linelist.tsv 

至于如何制作这两个数据文件，可以参考上面的分析以及之前我的一篇文章编写即可。

https://blog.csdn.net/u012211422/article/details/117733173?spm=1001.2014.3001.5501

格式如下：

成功生成文件

三、修改微软输出端维度，调通代码