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
Linux猿4 小时前
高通量藻类细胞检测数据集,YOLO目标检测|附数据集下载
人工智能·yolo·目标检测·目标跟踪·yolo目标检测·yolo目标检测数据集·高通量藻类细胞检测数据集
Neil_baby5 小时前
yolo初探
yolo
wenjingdadi6 小时前
自学小模型day2——YOLO模型的输出指标
人工智能·yolo·机器学习
LSQ的测试日记7 小时前
深度学习_YOLO,卡尔曼滤波和
人工智能·深度学习·yolo
小陈phd9 小时前
多模态大模型学习笔记(三十三)——基于YOLOv11的安全帽佩戴检测算法
笔记·学习·yolo
Linux猿10 小时前
YOLO车辆数据集,目标检测|附数据集下载
人工智能·yolo·目标检测·目标检测数据集·车辆数据集·yolo目标检测·yolo目标检测数据集
Coding茶水间11 小时前
基于深度学习的草莓健康度检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Django+web+训练代码+数据集)
人工智能·深度学习·yolo·机器学习·django
西柚小萌新11 小时前
【计算机视觉CV:目标检测】--6.使用自己数据集微调yolov10
yolo·目标检测·计算机视觉
学技术的大胜嗷11 小时前
YOLO细长目标检测中的多框分段现象解析:为什么检测容易多框,分割更容易连起来?
人工智能·yolo·目标检测·计算机视觉
AI棒棒牛1 天前
SCI核心论文剖析:ICSD-YOLO:面向工业现场安全的实时智能检测算法
算法·yolo·目标检测·计算机视觉·目标跟踪·yolo26