提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
文章目录
前言
Yolo格式是适用于Yolo模型训练的数据集格式,要想使nuimages数据集在Yolo模型中进行训练,必须要把数据转换成Yolo格式,此文章是nuscenes中nuimages数据集的踩坑转换。
这里使用https://www.nuscenes.org/nuimages#data-annotation
一、Yolo格式是什么?
最后放入模型中训练的格式为:
3 0.3 0.5044444444444445 0.3 0.5066666666666667 0.299375 0.5077777777777778 0.299375 0.5122222222222222 0.29875 0.5133333333333333 0.29875 0.5177777777777778 0.298125 0.5188888888888888 0.298125 0.5233333333333333 0.2975 0.5244444444444445 0.2975 0.5288888888888889 0.296875 0.53 0.296875 0.5322222222222223 0.305 0.5322222222222223 0.305 0.5311111111111111 0.304375 0.53 0.304375 0.5277777777777778 0.30375 0.5266666666666666 0.30375 0.5244444444444445 0.303125 0.5233333333333333 0.303125 0.5211111111111111 0.3025 0.52 0.3025 0.5166666666666667 0.301875 0.5155555555555555 0.301875 0.5133333333333333 0.30125 0.5122222222222222 0.30125 0.51 0.300625 0.5088888888888888 0.300625 0.5066666666666667 0.3 0.5055555555555555
二、Nuimages数据集简介
1.Nuscenes:
-
nuscenes数据集地址:https://www.nuscenes.org/
2.Nuimages:
-
nuimages数据集地址:https://www.nuscenes.org/nuimages
-
一般使用
-
数据集被构建为一个带有表格、令牌和外键的关系数据库。以下是这些表格:
-
log - 从中提取样本的日志。
-
sample - 带有关联时间戳、过去和未来图像和点云的已标注相机图像。
-
sample_data - 与样本关联的图像或点云。
-
ego_pose - 与样本数据关联的车辆自我姿态和时间戳。
-
sensor - 关于传感器的一般信息,例如CAM_BACK_LEFT。
-
calibrated_sensor - 日志中传感器的校准信息。
-
category - 对象和表面类别的分类(例如vehicle.car、flat.driveable_surface)。
-
attribute - 对象的属性,在类别保持不变的情况下可以发生变化。
-
object_ann - 对象的边界框和掩码注释(例如car、adult)。
-
surface_ann - 表面的掩码注释(例如flat.driveable surface和vehicle.ego)。
3.Nuscens转换yolo代码
step1:Nuscenes to json
import json
import os
from