VisDrone数据集转COCO格式（json）踩坑记录

摘要：简单介绍一下VisDrone，COCO数据集格式以及踩坑

首先了解一下VisDrone原格式（txt）: (47条消息) 深度学习目标检测数据VisDrone2019（to yolo / voc / coco）---MMDetection数据篇_qq_41627642的博客-CSDN博客

补充如下：

从左到右依次是<bbox_left>,<bbox_top>,<bbox_width>,<bbox_height>,<score,<object_category>,<truncation>,<occlusion>
即左上角x坐标、左上角y坐标、bbox宽、高 、得分（score）、类别 ；

<score>:检测文件中的分数表示包围对象实例的预测边界框的置信度。GROUNDTRUTH文件中的分数设置为1或0。1表示在评估中考虑了边界框，而0表示将忽略边界框。注意：VisDrone类别中【i.e., ignored regions(0), pedestrian(1),people(2), bicycle(3), car(4), van(5), truck(6), tricycle(7), awning-tricycle(8), bus(9), motor(10),others(11)】:ignored regions(0)、others(11)的score=0，代码中可通过score=0过滤掉(再具体详见上述链接)

COCO数据集格式：

详见链接：(47条消息) COCO数据集格式_你不来我不老的博客-CSDN博客_coco数据集格式

补充如下：

 

 

 

 ''images"里的id是该张图片唯一的标识，跟"annotations"里的image_id一样意思，"annotations"里id指目标个数；"categories"里id指对应的类别标签。

转换过程中有一个图片标签有误，转换到81%，报错

 原因发现bbox  height为0；9999985_00000_d_0000020.jpg将其剔除掉，数据集正常转换完成。