目标检测-AnyLabeling标注格式转换成YOLO格式

Anylabel可以极大的增加数据的标注效率,但是其标注格式如何能转换成YOLO标注格式,具体内容如下所示。


关于AnyLabeling的其它详细介绍如下链接所示

https://blog.csdn.net/u011775793/article/details/134918861

Github链接

https://github.com/vietanhdev/anylabeling

python代码

python 复制代码
import json
import os


def labelme_to_yolo(label_me_json_file, cls2id_dict):
    label_me_json = json.load(open(label_me_json_file, mode='r', encoding='UTF-8'))
    shapes = label_me_json['shapes']
    img_width, img_height = label_me_json['imageWidth'], label_me_json['imageHeight']
    img_path = label_me_json['imagePath']
    img_data = label_me_json['imageData'] if 'imageData' in label_me_json else ''

    labels = []
    for s in shapes:
        s_type = s['shape_type']
        s_type = s_type.lower()
        if s_type == 'rectangle':
            pts = s['points']
            x1, y1 = pts[0]  # left corner
            x2, y2 = pts[1]  # right corner
            x = (x1 + x2) / 2 / img_width
            y = (y1 + y2) / 2 / img_height
            w = abs(x2 - x1) / img_width
            h = abs(y2 - y1) / img_height
            cid = cls2id_dict[s['label']]
            labels.append(f'{cid} {x} {y} {w} {h}')

    return labels

def write_label2txt(save_txt_path,label_list):
    f=open(save_txt_path,"w",encoding="UTF-8")

    for label in label_list:
        temp_list=label.split(" ")
        f.write(temp_list[0])
        f.write(" ")
        f.write(temp_list[1])
        f.write(" ")
        f.write(temp_list[2])
        f.write(" ")
        f.write(temp_list[3])
        f.write(" ")
        f.write(temp_list[4])
        f.write("\n")

if __name__ == '__main__':
    # 原始图片文件夹路径
    img_dir=r"D:\desk\Work\Dataset\Test\Test_Anylabeling\imgs"
    # 原始JSON标签文件夹路径
    json_dir=r"D:\desk\Work\Dataset\Test\Test_Anylabeling\labels"
    # 生成保存TXT文件夹路径
    save_dir=r"D:\desk\Work\Dataset\Test\Test_Anylabeling\txt"
    # 类别和序号的映射字典
    cls2id_dict={"building1":"0"}

    if not os.path.exists(save_dir):
        os.makedirs(save_dir)

    for json_name in os.listdir(json_dir):
        json_path=os.path.join(json_dir,json_name)
        txt_name=json_name.split(".")[0]+".txt"
        save_txt_path=os.path.join(save_dir,txt_name)
        labels = labelme_to_yolo(json_path,cls2id_dict)
        write_label2txt(save_txt_path,labels)

具体修改

复制代码
# 原始图片文件夹路径
img_dir=r"D:\desk\Work\Dataset\Test\Test_Anylabeling\imgs"

改为自己的图片路径

复制代码
# 原始JSON标签文件夹路径
json_dir=r"D:\desk\Work\Dataset\Test\Test_Anylabeling\labels"

改为自己的JSON文件夹路径

复制代码
# 生成保存TXT文件夹路径
save_dir=r"D:\desk\Work\Dataset\Test\Test_Anylabeling\txt"

改为自己的保存生成的yolo文件夹路径

复制代码
# 类别和序号的映射字典
cls2id_dict={"building1":"0"}

改为自己的标签映射

开始实验

实验准备

运行代码

实验验证

实验验证可视化代码相关链接

https://blog.csdn.net/weixin_49824703/article/details/134050547

完美!

相关推荐
向哆哆6 天前
高精度织物缺陷检测数据集(适用YOLO系列/1000+标注)(已标注+划分/可直接训练)
yolo·目标检测
前网易架构师-高司机6 天前
带标注的驾驶员安全带识别数据集,识别率99.5%,可识别有无系安全带,支持yolo,coco json,pascal voc xml格式
xml·yolo·数据集·交通·安全带
向哆哆6 天前
粉尘环境分类检测千张图数据集(适用YOLO系列)(已标注+划分/可直接训练)
yolo·分类·数据挖掘
琅琊榜首20207 天前
移动端AI挂机新范式:YOLOv8+NCNN实现无Root视觉自动化
人工智能·yolo·自动化
智驱力人工智能7 天前
地铁隧道轨道障碍物实时检测方案 守护城市地下动脉的工程实践 轨道障碍物检测 高铁站区轨道障碍物AI预警 铁路轨道异物识别系统价格
人工智能·算法·yolo·目标检测·计算机视觉·边缘计算
智驱力人工智能7 天前
机场鸟类活动智能监测 守护航空安全的精准工程实践 飞鸟检测 机场鸟击预防AI预警系统方案 机场停机坪鸟类干扰实时监测机场航站楼鸟击预警
人工智能·opencv·算法·安全·yolo·目标检测·边缘计算
前端摸鱼匠7 天前
YOLOv8使用 Ultralytics 内置功能简化格式转换:介绍如何使用 yolo mode=data 等相关功能或辅助工具来加速和简化数据格式的准备工作
人工智能·yolo·目标检测·机器学习·目标跟踪·视觉检测
hans汉斯7 天前
《数据挖掘》期刊推介&征稿指南
图像处理·人工智能·算法·yolo·数据挖掘·超分辨率重建·汉斯出版社
卓越软件开发7 天前
毕设全栈开发一条龙:Java/SpringBoot/Vue/ 小程序 / Python / 安卓 / AI 图像识别 人脸检测 车牌识别 YOLO
开发语言·spring boot·python·yolo·小程序·毕业设计·课程设计
向哆哆8 天前
单车/共享单车目标检测数据集(适用YOLO系列)(已标注+划分/可直接训练)
人工智能·yolo·目标检测