YOLOv8分割任务数据集标注流程
半自动化标注
这里使用了半自动化标注工具
链接：https://pan.baidu.com/s/1x22BtI_bHKH0iUUg0eTUdA
提取码：r5ca
需要指定权重和修改类别信息
配置文件中保存了类别、界面语言、轮廓模式等信息，可以通过导入配置文件来快速配置类别；也可以导出当前配置文件。
这里，我们将Main Arm类别添加进去，并删除其他多余的类型
选择需要标注的图片文件夹，使用segment anything半自动化标注
e 完成（此时还能精细化调整）
s 保存（需要指定保存的文件夹）
JSON转TXT
需要将Labelme格式的JSON转换为YOLOv8分割格式的TXT
先将ISIA格式的JSON转换为Labelme类型
再将JSON转换为 TXT
python
# -*- coding: utf-8 -*-
import json
import os
import argparse
from tqdm import tqdm
from PIL import Image
# 这是一个将json文件转换为YOLO格式的txt文件的脚本
def convert_label_json(json_dir, save_dir, classes):
json_paths = os.listdir(json_dir)
classes = classes.split(',')
for json_path in tqdm(json_paths):
# for json_path in json_paths:
path = os.path.join(json_dir, json_path)
with open(path, 'r') as load_f:
json_dict = json.load(load_f)
h, w = json_dict['imageHeight'], json_dict['imageWidth']
# save txt path
txt_path = os.path.join(save_dir, json_path.replace('json', 'txt'))
txt_file = open(txt_path, 'w')
for shape_dict in json_dict['shapes']:
label = shape_dict['label']
label_index = classes.index(label)
points = shape_dict['points']
points_nor_list = []
for point in points:
points_nor_list.append(point[0] / w)
points_nor_list.append(point[1] / h)
points_nor_list = list(map(lambda x: str(x), points_nor_list))
points_nor_str = ' '.join(points_nor_list)
label_str = str(label_index) + ' ' + points_nor_str + '\n'
txt_file.writelines(label_str)
if __name__ == "__main__":
"""
python json2txt_nomalize.py --json-dir my_datasets/color_rings/jsons --save-dir my_datasets/color_rings/txts --classes "cat,dogs"
"""
parser = argparse.ArgumentParser(description='json convert to txt params')
parser.add_argument('--json-dir', type=str, default=r'D:\dataset\Main Arm\lableme',
help='json path dir')
parser.add_argument('--save-dir', type=str, default=r'D:\dataset\Main Arm\TXT',
help='txt save dir')
parser.add_argument('--classes', type=str, default='Main Arm', help='classes')
args = parser.parse_args()
json_dir = args.json_dir
save_dir = args.save_dir
classes = args.classes
convert_label_json(json_dir, save_dir, classes)
符合了YOLOv8分割标签的格式