yolov8自定义实例分割

1.yolo实例分割数据集格式与标注 标注工具labelImg使用方法-CSDN博客(没有多边形的绘制方式)下载: github.com windows直接下载exe.

下载好后与之前的操作都一样,由于labelmg生成的是json文件需要重新写一个脚本生成txt文件,之后和之前一样

之前文章

数据集构建与训练前准备-CSDN博客

模型推理测试与导出-CSDN博客

注意的是实例分割模型训练要用

yolo task=segment mode=train model=yolov8s-seg.pt epochs=5 batch=1
data=co2_dataset.yaml


转化脚本

import json

import os

def json2txt():

json_dir = "C:/yolov8study/cs"

train_label_dir = "C:/yolov8study/cs/1"

valid_label_dir = "C:/yolov8study/cs/2"

确保标签目录存在

if not os.path.exists(train_label_dir):

os.makedirs(train_label_dir)

if not os.path.exists(valid_label_dir):

os.makedirs(valid_label_dir)

files = os.listdir(json_dir)

for json_file in files:

if not json_file.endswith(".json"):

print(f"跳过非 JSON 文件: {json_file}")

continue

json_path = os.path.join(json_dir, json_file)

print(f"正在处理 JSON 文件: {json_file}")

with open(json_path, 'r') as f:

data = json.load(f)

直接从 JSON 数据中获取图像宽高信息

img_width = data.get("imageWidth")

img_height = data.get("imageHeight")

img_name = data.get("imagePath")

if img_name and img_width and img_height:

生成对应的 TXT 文件路径

if img_name.endswith("bmp"):

img_name = img_name.replace("bmp", "jpg")

if img_name.endswith("png"):

img_name = img_name.replace("png", "jpg")

判断 json_dir 路径中是否包含 "valid" 或 "train"

if "valid" in json_dir.lower():

current_label_dir = valid_label_dir

elif "train" in json_dir.lower():

current_label_dir = train_label_dir

else:

print(f"无法确定标签目录,默认使用训练集目录。JSON 文件: {json_file}")

current_label_dir = train_label_dir

data_label_text_f = os.path.join(current_label_dir, img_name.replace(".jpg", ".txt"))

shapes = data.get("shapes", [])

if not shapes:

print(f"JSON 文件 {json_file} 中的 shapes 列表为空,生成的 TXT 文件将为空。")

with open(data_label_text_f, 'w') as file_write_obj:

类别索引固定为 0(只有 cs 标签),仅输出一次

clazz_index = 0

file_write_obj.write(f"{clazz_index}")

遍历所有目标对象

for shape in shapes:

points = shape.get("points", [])

遍历 points 数组中的每个点

for point in points:

x = float(point[0])

y = float(point[1])

转换为 YOLO 格式(仅保留中心点坐标)

cx = x / img_width

cy = y / img_height

写入 TXT 文件,不换行

file_write_obj.write(f" {cx:.6f} {cy:.6f}")

最后添加换行符

file_write_obj.write("\n")

print(f"已处理图像: {img_name},生成标签文件: {data_label_text_f}")

else:

print(f"JSON 文件 {json_file} 缺少必要的图像信息,跳过处理。")

if name == "main":

json2txt()

相关推荐
亚马逊云开发者5 分钟前
飞书多维表格利用 Amazon Bedrock AI 能力赋能业务
人工智能
阿部多瑞 ABU12 分钟前
# 主流大语言模型安全性测试(二):英文越狱提示词下的表现与分析
人工智能·安全·ai·语言模型·自然语言处理·安全性测试
小天才才38 分钟前
【大模型】解耦大语言模型中的记忆与推理能力
人工智能·深度学习·语言模型·自然语言处理
AI大模型学习教程1 小时前
前端学AI之LangChain.js入门教程:实现智能对话机器人
人工智能·langchain
Java中文社群1 小时前
超实用!手把手教你Dify版本升级
人工智能·后端
nbbsn1 小时前
第四十天打卡
python·深度学习·机器学习
奔跑吧邓邓子1 小时前
DeepSeek 技术赋能无人农场协同作业:用 AI 重构农田管理 “神经网”
人工智能·deepseek·无人农场·协同作业·农田管理·神经网
面朝大海,春不暖,花不开1 小时前
Spring AI与Spring Modulith核心技术解析
人工智能·spring·flask
jieshenai1 小时前
Mac M4 芯片运行大模型指南,包括模型微调与推理
人工智能·自然语言处理
爱写代码的小朋友2 小时前
破局与重构:人工智能深度赋能基础教育变革研究
人工智能·重构