dataset_converters.md

数据集转换

文件夹 tools/data_converters/ 目前包含 ballon2coco.py、yolo2coco.py 和 labelme2coco.py 三个数据集转换工具。

• ballon2coco.py 将 balloon 数据集（该小型数据集仅作为入门使用）转换成 COCO 的格式。

python tools/dataset_converters/balloon2coco.py

• yolo2coco.py 将 yolo-style .txt 格式的数据集转换成 COCO 的格式，请按如下方式使用：

python tools/dataset_converters/yolo2coco.py /path/to/the/root/dir/of/your_dataset

使用说明：

1. image_dir 是需要你传入的待转换的 yolo 格式数据集的根目录，内应包含 images 、 labels 和 classes.txt 文件， classes.txt 是当前 dataset 对应的类的声明，一行一个类别。 image_dir 结构如下例所示：

.
└── $ROOT_PATH
    ├── classes.txt
    ├── labels
    │    ├── a.txt
    │    ├── b.txt
    │    └── ...
    ├── images
    │    ├── a.jpg
    │    ├── b.png
    │    └── ...
    └── ...

2. 脚本会检测 image_dir 下是否已有的 train.txt 、 val.txt 和 test.txt 。若检测到文件，则会按照类别进行整理， 否则默认不需要分类。故请确保对应的 train.txt 、 val.txt 和 test.txt 要在 image_dir 内。文件内的图片路径必须是绝对路径。
3. 脚本会默认在 image_dir 目录下创建 annotations 文件夹并将转换结果存在这里。如果在 image_dir 下没找到分类文件，输出文件即为一个 result.json，反之则会生成需要的 train.json 、 val.json、 test.json，脚本完成后 annotations 结构可如下例所示：

.
└── $ROOT_PATH
    ├── annotations
    │    ├── result.json
    │    └── ...
    ├── classes.txt
    ├── labels
    │    ├── a.txt
    │    ├── b.txt
    │    └── ...
    ├── images
    │    ├── a.jpg
    │    ├── b.png
    │    └── ...
    └── ...