dataturks解析

最新推荐文章于 2024-05-28 16:07:28 发布
最新推荐文章于 2024-05-28 16:07:28 发布
阅读量507 收藏
点赞数
分类专栏： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_38241876/article/details/114701933
版权 
"""
根据大json写小json
"""
with open('pay.json') as f:
    datas = f.readlines()
    for data in datas:
        data = data.strip()
        j = json.loads(data)
        name = j['content'].split('/')[-1].replace('jpg','json')
        fw = open('drinks/{}'.format(name),'w')
        json.dump(j,fw)


"""
根据下载好的标注文件转换为txt
"""
for dir in os.listdir('drinks'):
    datas = json.load(open(os.path.join('drinks',dir)))
    content = '/home/lixuan/Arduino/hand_detection/landmarks/' + datas['content'].split('/')[-1].split('landmarks_')[-1]
    annotations = datas['annotation']
    if annotations == None:
        print(dir)
        continue
    # img = cv2.imread(content)
    # cv2.imwrite('/home/lixuan/桌面/multicenternetcopy/testimg/{}'.format(datas['content'].split('/')[-1].split('landmarks_')[-1]),img)
    f = open('/home/lixuan/Arduino/hand_detection/landmarks/' + datas['content'].split('/')[-1].split('landmarks_')[-1].replace('jpg','txt'),'w')
    # fl = open('train_data/category/' + datas['content'].split('/')[-1].replace('jpg','txt'), 'w')
    for annotation in annotations:
        label = '0'#annotation['label'][0]
        # if label == 'box':
        #     label = '0'
        # else:
        #     label = '1'
        # if label == '1':
        # fl.write(label + ' ')
        points = annotation['points']
        imageWidth = annotation['imageWidth']
        imageHeight = annotation['imageHeight']
        for point in points:
            point[0] = int(float(point[0]) * imageWidth)
            point[1] = int(float(point[1]) * imageHeight)
        points = np.array(points)
        # points = points[[2, 3, 0, 1], :]#landmark
        # points = points[[1, 0, 3, 2], :]#92
        for point in points:
            f.write(str(point[0]) + ' ' + str(point[1]) + ' ')

def func(listTemp, n):
    for i in range(0, len(listTemp), n):
        yield listTemp[i:i + n]

imglist = []
labellist = []
for dir in os.listdir('/home/lixuan/data/landmarks'):
    if 'txt' in dir:
        labellist.append(dir)
    else:
        imglist.append(dir)
import cv2
for imgname in imglist:
    img = cv2.imread('/home/lixuan/data/action/{}'.format(imgname))
    H,W,_ = img.shape
    Point = []
    with open('/home/lixuan/data/landmarks/{}'.format(imgname.replace('jpg','txt'))) as f:
        datas = f.readlines()[0].strip().split(' ')#[:-1]
        for i in range(0, len(datas), 2):
            b = datas[i:i + 2]
            Point.append(b)
    LL = func(Point,4)
    fw = open('/home/lixuan/data/landmarks/{}'.format(imgname.replace('jpg','txt')),'w')
    fl = open('/home/lixuan/data/category/{}'.format(imgname.replace('jpg','txt')))
    for cls in fl.readlines():
        cls = cls.strip().split(' ')
    for index,l in enumerate(LL):
        X = []
        Y = []
        for p in l:
            X.append(int(p[0]))
            Y.append(int(p[1]))
        x1 = min(X)
        y1 = min(Y)
        x2 = max(X)
        y2 = max(Y)
        x = ((x1 + x2) / 2) / W
        y = ((y1 + y2) / 2) / H
        w = (x2 - x1) / W
        h = (y2 - y1) / H
        fw.write(cls[index] + ' ' + str(x) + ' ' + str(y) + ' ' + str(w) + ' ' + str(h) + '\n')
import json
import os
import cv2
import numpy as np

# for dir in os.listdir('json1'):
#     newname = dir.split('drink1_')[-1]
#     os.system('mv /home/lixuan/centernettrain/json1/{} /home/lixuan/centernettrain/json1/{}'.format(dir,newname))

# with open('/home/lixuan/lhq/centernet/train_data/txt标注样列/0ba0e56d-e078-4019-b8d0-74e22fb076ad_3包_40.txt') as f:
#     datas = f.readlines()[0].split(' ')
#     print(len(datas))
#     exit()

"""
根据大json写小json
"""
# with open('front_back_shelf_527.json') as f:
#     datas = f.readlines()
#     for data in datas:
#         data = data.strip()
#         j = json.loads(data)
#         name = j['content'].split('/')[-1].replace('jpg','json')
#         fw = open('drinks/{}'.format(name),'w')
#         json.dump(j,fw)
# exit()
"""
根据下载好的标注文件转换为txt
"""
# for dir in os.listdir('json'):
#     datas = json.load(open(os.path.join('json',dir)))
#     content = '/home/lixuan/桌面/landmark/' + datas['content'].split('/')[-1]
#     annotations = datas['annotation']
#     img = cv2.imread(content)
#     cv2.imwrite('train_data/txt标注样列/{}'.format(datas['content'].split('/')[-1]),img)
#     f = open('train_data/txt标注样列/' + datas['content'].split('/')[-1].replace('jpg','txt'),'w')
#     fl = open('train_data/category/' + datas['content'].split('/')[-1].replace('jpg','txt'), 'w')
#     for annotation in annotations:
#         label = annotation['label'][0]
#         if label == 'box':
#             label = '0'
#         else:
#             label = '1'
#         # if label == '1':
#         fl.write(label + ' ')
#         points = annotation['points']
#         imageWidth = annotation['imageWidth']
#         imageHeight = annotation['imageHeight']
#         for point in points:
#             point[0] = int(float(point[0]) * imageWidth)
#             point[1] = int(float(point[1]) * imageHeight)
#         points = np.array(points)
#         # points = points[[2, 3, 0, 1], :]#landmark
#         # points = points[[1, 0, 3, 2], :]#92
#         for point in points:
#             f.write(str(point[0]) + ' ' + str(point[1]) + ' ')


"""
bbox
"""
# for dir in os.listdir('drinks'):
#     datas = json.load(open(os.path.join('drinks',dir)))
#     content = '/home/lixuan/fromLX/coco/images/train/' + datas['content'].split('/')[-1]#.split('landmarks_')[-1]
#     annotations = datas['annotation']
#     if annotations == None:
#         print(dir)
#         continue
#     # img = cv2.imread(content)
#     # cv2.imwrite('/home/lixuan/桌面/multicenternetcopy/testimg/{}'.format(datas['content'].split('/')[-1].split('landmarks_')[-1]),img)
#     f = open('/home/lixuan/centernettrain/train_data/txt标注样列/' + datas['content'].split('/')[-1].replace('jpg','txt'),'w')#.split('landmarks_')[-1]
#     fl = open('./cate/' + datas['content'].split('/')[-1].replace('jpg','txt'),'w')
#     for annotation in annotations:
#         label = annotation['label'][0]
#         if label == 'front':
#             label = '1'
#         else:
#             label = '0'
#         # elif label == 'pay':
#         #     label = '1'
#         # elif label == 'handthing':
#         #     label = '2'
#         # elif label == 'handphone':
#         #     label = '3'
#         # elif label == 'handscanning':
#         #     label = '4'
#         # if label == '1':
#         fl.write(label + ' ')
#         points = annotation['points']
#         imageWidth = annotation['imageWidth']
#         imageHeight = annotation['imageHeight']
#         for point in points:
#             point[0] = int(float(point[0]) * imageWidth)
#             point[1] = int(float(point[1]) * imageHeight)
#         points = np.array(points)
#         # points = points[[2, 3, 0, 1], :]#landmark
#         # points = points[[1, 0, 3, 2], :]#92
#         for point in points:
#             f.write(str(point[0]) + ' ' + str(point[1]) + ' ')

# for dir in os.listdir('json'):
#     datas = json.load(open(os.path.join('json',dir)))
#     content = '/home/lixuan/lhq/new_wine/' + datas['content'].split('/')[-1]
#     annotations = datas['annotation']
#     # img = cv2.imread(content)
#     # cv2.imwrite('train_data/txt标注样列/{}'.format(datas['content'].split('/')[-1]),img)
#     f = open('train_data/txt标注样列/' + datas['content'].split('/')[-1].replace('jpg','txt'),'w')
#     for annotation in annotations:
#         label = annotation['label'][0]
#         f.write(label + ' ')
#         points = annotation['points']
#         imageWidth = annotation['imageWidth']
#         imageHeight = annotation['imageHeight']
#         for point in points:
#             point[0] = int(float(point[0]) * imageWidth)
#             point[1] = int(float(point[1]) * imageHeight)
#         points = np.array(points)
#         points = points[[2, 3, 0, 1], :]
#         for point in points:
#             f.write(str(point[0]) + ' ' + str(point[1]) + ' ')


"""
查看
"""
# imglist = []
# labellist = []
# for dir in os.listdir('/home/lixuan/centernettrain/drinks/txt标注样列'):
#     if 'txt' in dir:
#         labellist.append(dir)
#     else:
#         imglist.append(dir)
# import cv2
# for imgname in imglist:
#     img = cv2.imread('/home/lixuan/centernettrain/drinks/txt标注样列/{}'.format(imgname))
#     Point = []
#     with open('/home/lixuan/centernettrain/drinks/txt标注样列/{}'.format(imgname.replace('jpg','txt'))) as f:
#         datas = f.readlines()[0].strip().split(' ')#[:-1]
#         for i in range(0, len(datas), 2):
#             b = datas[i:i + 2]
#             Point.append(b)
#     for point in Point:
#         img = cv2.circle(img,(int(point[0]),int(point[1])),3,(255,0,0),2)
#         image = cv2.resize(img,(1000,800))
#         cv2.imshow('',image)
#         cv2.waitKey(0)
# print(imglist)
# print(labellist)
"""
bbox
"""

def func(listTemp, n):
    for i in range(0, len(listTemp), n):
        yield listTemp[i:i + n]

imglist = []
labellist = []

for dir in os.listdir('drinks'):
    datas = json.load(open(os.path.join('drinks',dir)))
    content = datas['content'].split('/')[-1]#.split('landmarks_')[-1]
    imglist.append(content)
    labellist.append(content.split('.')[0] + '.txt')

# for dir in os.listdir('/home/lixuan/fromLX/coco/images/train'):
#     if 'txt' in dir:
#         labellist.append(dir)
#     else:
#         imglist.append(dir)

import cv2
for imgname in imglist:
    if True:#imgname == '2_img115.jpg':
        try:
            img = cv2.imread('/home/lixuan/fromLX/coco/images/train/{}'.format(imgname))
            H,W,_ = img.shape
            Point = []
            with open('/home/lixuan/centernettrain/train_data/txt标注样列/{}'.format(imgname.replace('jpg','txt'))) as f:
                datas = f.readlines()[0].strip().split(' ')#[:-1]
                for i in range(0, len(datas), 2):
                    b = datas[i:i + 2]
                    Point.append([int(x) for x in b])
            LL = func(Point,4)
            fw = open('/home/lixuan/centernettrain/train_data/category/{}'.format(imgname.replace('jpg','txt')),'w')
            fl = open('./cate/{}'.format(imgname.replace('jpg','txt')))
            for cls in fl.readlines():
                cls = cls.strip().split(' ')
            for index,l in enumerate(LL):
                xs = []
                ys = []
                for p in l:
                    xs.append(p[0])
                    ys.append(p[1])
                x1 = min(xs)
                y1 = min(ys)
                x2 = max(xs)
                y2 = max(ys)
                x = ((x1 + x2) / 2) / W
                y = ((y1 + y2) / 2) / H
                w = (x2 - x1) / W
                h = (y2 - y1) / H
                fw.write(cls[index] + ' ' + str(x) + ' ' + str(y) + ' ' + str(w) + ' ' + str(h) + '\n')
                # img = cv2.rectangle(img,(int(l[0][0]),int(l[0][1])),(int(l[2][0]),int(l[2][1])),(255,0,0),2)
                # image = cv2.resize(img,(1000,800))
                # cv2.imshow('',img)
                # cv2.waitKey(0)
        except Exception as e:
            print(e)
# print(imglist)
# print(labellist)

# image = cv2.imread('train_data/txt标注样列/landmark_6.jpg')
# with open('train_data/txt标注样列转为json/annotations/instances.json') as f:
#     Dict = json.load(f)
#     annotations = Dict['annotations']
#     font = cv2.FONT_HERSHEY_SIMPLEX
#     for annotation in annotations:
#         bbox = annotation['bbox']
#         category = annotation['category_id']
#         image = cv2.putText(image, str(category), (bbox[0], bbox[1]), font, 1.2, (255, 0,0), 2)
#     cv2.imwrite('test.jpg',image)

# image = cv2.imread('train_data/txt标注样列/landmark_6.jpg')
# with open('train_data/txt标注样列转为json/annotations/instances.json') as f:
#     Dict = json.load(f)
#     annotations = Dict['annotations']
#     font = cv2.FONT_HERSHEY_SIMPLEX
#     for annotation in annotations:
#         segmentation = annotation['segmentation'][0]
#         image = cv2.putText(image, '0', (segmentation[0], segmentation[1]), font, 1.2, (255, 0,0), 2)
#         image = cv2.putText(image, '1', (segmentation[2], segmentation[3]), font, 1.2, (255, 0, 0), 2)
#         image = cv2.putText(image, '2', (segmentation[4], segmentation[5]), font, 1.2, (255, 0, 0), 2)
#         image = cv2.putText(image, '3', (segmentation[6], segmentation[7]), font, 1.2, (255, 0, 0), 2)
#     cv2.imwrite('test.jpg',image)

# with open('train_data/txt标注样列转为json/annotations/instances.json') as f:
#     Dict = json.load(f)
#     images = Dict['images']
#     annotations = Dict['annotations']
#     for annotation in annotations:
#         print(annotation)

# import os
# base = '/home/lixuan/lhq/centernet/train_data/txt标注样列/landmark_12.txt'
# for i in range(12):
#     os.system('cp {} /home/lixuan/lhq/centernet/train_data/txt标注样列/landmark_{}.txt'.format(base,i))

# fw = open('2007_train.txt','w')
# for dir in os.listdir('dd'):
#     with open('dd/' + dir) as f:
#         fw.write(f.read() + '\n')
# from PIL import Image
# imgpath = '/home/lixuan/桌面/json/images/'
# f = open('winelabel.json')
# save_path = '/home/lixuan/lhq/new_wine/'
# for data in f.readlines():
#     data = data.strip()
#     data = json.loads(data)
#     imgname = data['content'].split('wine2/')[-1]
#     img = Image.open(imgpath + imgname)
#     img.save(save_path + imgname)

 

Alphapeople
关注
专栏目录
【NLP】用NER自动实现简历摘要提取的案例
gongdiwudu的专栏
07-15 5082
了解 NER 是什么以及如何在行业中使用它，各种 NER 库，使用 NER 进行简历摘要的代码演练。本博客讨论了自然语言处理（NLP）和信息检索（IR）中称为命名实体识别的领域，以及我们如何通过仅提取姓名，教育背景，技能等主要实体来将其应用于自动生成简历摘要。
（五）建筑物多边形化简系列——最小外接矩形的获取
WHU_Fan的博客
07-08 6333
最小外接矩形问题是在给出一个多边形（或一群点），求出面积最小且外接多边形的矩形的问题。这个问题看起来并不难，但是具体实现并不简单。除了调用现有的公开库之外，这里给出一种简单且易理解的方法。   算法的主要思想是： （1）先实现多边形的简单外接矩形的算法。简单外接矩形是指边平行于x轴或y轴的外接矩形。简单外接矩形很有可能不是最小外接矩形，却是非常容易求得的外接矩形，这为后面做铺垫。 （2）实...
多边形的最小外接矩形
08-27
该代码可用于求取一个多边形的最小外接矩形
多边形最小外接矩形 旋转卡壳
jkchen's Haven
08-10 2004
original link - http://acm.hdu.edu.cn/showproblem.php?pid=5251 题意： 给出4n个点，求最小面积的外接矩形。 解析： 因为可以分析出外接矩形一定有一条边与多边形重合，使用可以用旋转卡壳优化时间。 枚举每一条边，求出对面最远的点upupup，以及最两边的点l,rl,rl,r。 upupup的正确性与三角形面积正比，用叉积求。l,rl,r...
简单多边形的最小外接矩形算法
06-25
简单多边形的最小外接矩形算法，适用于玻璃排样等。
基于MATLAB的多边形最小外接矩形计算
a_peng1的博客
01-07 4023
MATLAB中有关于计算二值区域最小外接矩形的函数——regionprops。但是此函数只能计算平行于坐标轴的矩形，这样求得的外接矩形有时并非真正意义上的‘最小’。 我个人对于这个问题的解决方法的灵感来源于以下两篇文章。 ...
Linux版DataStage服务器端安装手册
08-21
Linux版DataStage是一款强大的ETL（提取、转换、加载）工具，用于数据集成和处理。在Linux环境下安装DataStage服务器端需要遵循一定的步骤和注意事项。以下是详细的安装过程和相关知识点： 1. **创建用户和用户组**...
数据标注实习内容 不能少于500个字： 内容要包含工作内容、工作收获
05-12
在工作中，我们需要使用一些专门的标注工具，例如Labelbox，Supervisely，Dataturks等，根据数据类型和标注任务的不同，选择不同的工具进行标注。同时，我们需要遵循一些标注规范和标注标准，例如按照公司标准进行...
人脸检测数据集-face-detection-in-images
04-10
kaggle2018年的已标注人脸检测数据集，图像中的面部区域已用矩形边界框手动标注，大约500张图像，大约1100张人脸。数据集预览：https://dataturks.com/projects/devika.mishra/face_detection
深度学习数据标注的全面指南
这些工具可能包括开源解决方案（如LabelImg、VGG Image Annotator）和商业软件（如Labelbox、Dataturks）。 5. 数据标注的最佳实践：高质量的标注需要遵循最佳实践，包括确保数据集的多样性和代表性、遵循一致的...
Python——获取多边形框的最小外接矩形
wxsy024680的博客
05-10 2423
points = np.array([[0,8],[17,18],[22,10],[5,0]]) (cx, cy), (w, h), theta = cv2.minAreaRect(points) 代码中，w和h分别指的是哪条边，theta指的是哪个夹角，我们不得而知，现在就进行验证： 如图显示，红线和红角分别对应的是w和theta，这样一来就明白了。 ...
求多边形的最小包络矩形【java实现+原理讲解】
记录一名在读研究生的学习笔记、感悟、开发产物
11-17 1648
本文介绍了多边形的最小包络矩形（MBR）的概念及其应用场景，如地理信息系统中的快速相交判断和游戏开发中的碰撞检测优化。对于给定的多边形点集，文章提供了求解最小包络矩形的方法：首先将凹多边形转换为凸多边形，然后通过旋转凸多边形的每条边至水平状态来寻找面积最小的包围矩形，并在每次旋转后更新最小矩形，最终返回具有最小面积的包络矩形。
最小外接矩形
热门推荐
sunflower_sara的机器学习园地
07-26 1万+
1.求凸包 https://blog.csdn.net/sunflower_sara/article/details/81222376   2.求最小外接矩形 对于多边形 P 的一个外接矩形存在一条边与原多边形的边共线。 不仅不必去检测所有可能的方向， 而且只需要检测与多边形边数相等数量的矩形。      图示上述结论： 四条切线（红色）， 其中一条与多边形一条边重合， 确定了外...
连通域的最小外接多边形
mrahut的博客
03-23 3257
在MATLAB中，使用roipoly来选择一个感兴趣区域（ROI），该函数将生成一个多边形的ROI。函数的用法为：1、B=roipoly（f，c，r）；其中f为要处理的图像，c和r分别是ROI的顶点对应的列坐标和行坐标（按顺序排列）。定点坐标的原点在左上角。B为一幅二值图像，大小与f相同，ROI之外为0，之内为1。图像B通常用做将操作限制在感兴区域内的一个模板。...
最小包围矩形
diushui20001027的博客
07-14 729
题目内容： 给定一组二维坐标，表示直角坐标系内的一个多边形的连续的顶点的坐标序列。计算能包围这个多边形的平行于坐标轴的最小矩形，输出它的左下角和右上角的坐标。 输入格式: 第一行是一个正整数n表示顶点的数量，第二行是n组整数，依次表示每个顶点坐标的x和y值。 输出格式： 四个整数，依次表示所计算的矩形的左下角的坐标的x、y值和右上角坐标的x、y值。输出最后带有回车换...
【OpenCV】 外接矩形、最小外接矩形、多边形拟合、外接圆
豆芽菜
12-21 5004
【OpenCV】 外接矩形、最小外接矩形、多边形拟合、外接圆
`算法知识` 多边形, 凸多边形, 外接矩形
WChang的博客
08-28 1813
1
推荐：DataTurks —— 数据标注的得力助手
gitblog_00034的博客
05-26 493
推荐：DataTurks —— 数据标注的得力助手 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 DataTurks 是一个强大的数据标注工具，它支持文档（如PDF、Doc、Text等）的实体识别（NER）、图像分割和句子的词性标注（POS tagging）。该项目不仅提供了用户友好的界面，而且可以作为 Docker 容器运行，方便部署和管理。 项目技术分析 Data...
C#算法（15）—求四边形的外接矩形
最新发布
qq_34059233的博客
05-28 287
本文详细介绍求四边形外接矩形的方法！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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