VisDrone2019-DET数据集转yolo格式

VisDrone2019-DET数据集为无人机视觉数据集
内部图片为行人与车辆的合集，内部有不少拍摄模糊的照片
对内部文件进行查看，很多小型行人也做了标注，看着密密麻麻的，估计对后续训练应该增加不少难度
大部分数据标注还是比较准确的，有个别行人有漏标注的情况

因为使用中主要是yolo方面的训练，所以对其数据进行转换，另外使用中只需要其带有行人标注的数据集，所以使用代码进行统一处理和筛选，新建train文件夹，拷贝下面代码为py文件后运行（保留第二类和第三类，然后统一更改为自己使用的第一类）

import os
from pathlib import Path
from PIL import Image
import csv
import shutil

def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[2] / 2) * dw
    y = (box[1] + box[3] / 2) * dh
    w = box[2] * dw
    h = box[3] * dh
    return (x, y, w, h)
            
wd = os.getcwd()

anns = os.listdir('annotations')
for ann in anns:
    ans = ''
    outpath = wd + '/train/' + ann
    if ann[-3:] != 'txt':
        continue
    with Image.open(wd + '/images/' + ann[:-3] + 'jpg') as Img:
        img_size = Img.size
    with open(wd + '/Annotations/' + ann, newline='') as csvfile:
        spamreader = csv.reader(csvfile)
        for row in spamreader:
            if row[4] == '0':
                continue
            if row[5] == '1' or row[5] =='2':
            print(row[0],row[1],row[2],row[3],row[4],row[5])
            bb = convert(img_size, tuple(map(int, row[:4])))
            ans = ans + '1' + ' ' + ' '.join(str(a) for a in bb) + '\n'
            with open(outpath, 'w') as outfile:
                outfile.write(ans)
            shutil.copy(wd + '/images/' + ann[:-3] + 'jpg',wd + '/train/' + ann[:-3] + 'jpg')

操作完成之后，发现有很多图像文件里只有很少的行人标注，而且都是很小的地方，这个还真是难为提供数据集的大拿，很多行人不仔细找都找不到，他们都标出了，不过由于标注太小，训练难度太大，对不清晰，太少标注的train内图片进行删除，然后对数据集进行清理，建立train1文件夹，代码如下

import os
from pathlib import Path
from PIL import Image
import csv
import shutil
       
wd = os.getcwd()

anns = os.listdir('train')
for ann in anns:
    if ann[-3:] != 'jpg':
        continue
    shutil.copy(wd + '/train/' + ann[:-3] + 'jpg',wd + '/train1/' + ann[:-3] + 'jpg')
    shutil.copy(wd + '/train/' + ann[:-3] + 'txt',wd + '/train1/' + ann[:-3] + 'txt')