YOLOv8分割任务数据集标注流程

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

参考文章

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 复制代码
# -*- 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

相关推荐
要努力啊啊啊2 天前
YOLOv2 正负样本分配机制详解
人工智能·深度学习·yolo·计算机视觉·目标跟踪
Ailerx2 天前
YOLOv13震撼发布:超图增强引领目标检测新纪元
人工智能·yolo·目标检测
学技术的大胜嗷3 天前
离线迁移 Conda 环境到 Windows 服务器:用 conda-pack 摆脱硬路径限制
人工智能·深度学习·yolo·目标检测·机器学习
一花·一叶4 天前
基于昇腾310B4的YOLOv8目标检测推理
yolo·目标检测·边缘计算
昵称是6硬币4 天前
YOLOv11: AN OVERVIEW OF THE KEY ARCHITECTURAL ENHANCEMENTS目标检测论文精读(逐段解析)
图像处理·人工智能·深度学习·yolo·目标检测·计算机视觉
OICQQ676580084 天前
创建一个基于YOLOv8+PyQt界面的驾驶员疲劳驾驶检测系统 实现对驾驶员疲劳状态的打哈欠检测,头部下垂 疲劳眼睛检测识别
yolo·pyqt·疲劳驾驶·检测识别·驾驶员检测·打哈欠检测·眼睛疲劳
king of code porter13 天前
目标检测之YOLOv5到YOLOv11——从架构设计和损失函数的变化分析
人工智能·yolo·目标检测
model200514 天前
yolov11转ncnn
yolo·ncnn
YueiL14 天前
ROS 2 中 Astra Pro 相机与 YOLOv5 检测功能编译启动全记录
yolo·ros2
来两个炸鸡腿14 天前
【Datawhale组队学习202506】YOLO-Master task03 IOU总结
python·学习·yolo