coco关键点标注json_coco2017格式数据集制作

这篇文章提供了一个比较好的思路。总体做法还是离不开这个文章的做法。

上面文章作者提供的思路比较正统开始说明之前我们先说明一下coco2017的格式类型，这些网络上也说了很多了，这里再提及一下加深理解。

coco/

annotations/

instances_train2017.json

instances_val2017.json

images/

train2017/

0d4c5e4f-fc3c-4d5a-906c-105.jpg

val2017

0ddfc5aea-fcdac-421-92dad-144.jpg

以上格式摘自上面提到的文章，并且最后我们也是按这种方式生成的。

这里我们用到的格式也可以这么做，当然也可以适配自己的文件，比如要是每个视频下拆除的单张图，那么可以再多加一级目录出来。

具体的做法按照启发写到我的github项目里了，这里简要说明一下，当然github上后续也会更新。

csv格式制作

这里用csv也可以，用txt也可以，数据的格式并不是一个问题，而如何转换到我们想要的格式则有多种解决方式。

这里只展示csv的用法。

import os

import json

import cv2

import time

import argparse

import csv

parser = argparse.ArgumentParser(description='convert object label')

parser.add_argument('data', metavar='DIR',

help='path to dataset')

parser.add_argument('keyframe_dir', metavar='DIR',

help='path to frame dir')

parser.add_argument('--mode', type=str, choices=['train', 'val', 'test'])

args = parser.parse_args()

root = os.path.join(args.data, args.mode)

video_list = open(os.path.join(root, 'videolist.txt'),'r')

output_list = open('%s_list.txt' % args.mode,'w')

obj_name = open('objects_en.txt','r')

obj_list = [line.rstrip() for line in obj_name]

print(obj_list)

train_category = []

video_count = 0

start = time.time()

key_frame_count = 0

#output_folder = '%s_label' % args.mode

#if not os.path.exists(output_folder):

# os.makedirs(output_folder)

with open('val.csv','w') as f1:

for vid in video_list:

label = json.load(open(os.path.join(root, 'label', 'sample_' + vid.rstrip().split('.')[0] + '.json'), 'r'))