# coco_tools使用说明 ## 1 工具说明 coco_tools是PaddleRS提供的用于处理COCO格式标注文件的工具集，位于`tools/coco_tools/`目录。由于[pycocotools库](https://pypi.org/project/pycocotools/)在部分环境下无法安装，PaddleRS提供coco_tools作为替代，进行一些简单的文件处理工作。 ## 2 文件说明 目前coco_tools共有6个文件，各文件及其功能如下： - `json_InfoShow.py`: 打印json文件中各个字典的基本信息； - `json_ImgSta.py`: 统计json文件中的图像信息，生成统计表、统计图； - `json_AnnoSta.py`: 统计json文件中的标注信息，生成统计表、统计图； - `json_Img2Json.py`: 统计test集图像，生成json文件； - `json_Split.py`: 将json文件中的内容划分为train set和val set； - `json_Merge.py`: 将多个json文件合并为1个。 ## 3 使用示例 ## 3.1 示例数据集 本文档以COCO 2017数据集作为示例数据进行演示。您可以在以下链接下载该数据集： - [官方下载链接](https://cocodataset.org/#download) - [aistudio备份链接](https://aistudio.baidu.com/aistudio/datasetdetail/7122) 下载完成后，为方便后续使用，您可以将`coco_tools`目录从PaddleRS项目中复制或链接到数据集目录中。完整的数据集目录结构如下： ``` ./COCO2017/ # 数据集根目录 |--train2017 # 训练集原图目录 | |--... | |--... |--val2017 # 验证集原图目录 | |--... | |--... |--test2017 # 测试集原图目录 | |--... | |--... | |--annotations # 标注文件目录 | |--... | |--... | |--coco_tools # coco_tools代码目录 | |--... | |--... ``` ## 3.2 打印json信息 使用`json_InfoShow.py`可以打印json文件中的各个键值对的key， 并输出value中排列靠前的元素，从而帮助您快速了解标注信息。对于COCO格式标注数据而言，您应该特别留意`'image'`和`'annotation'`字段的内容。 ### 3.2.1 命令演示 执行如下命令，打印`instances_val2017.json`中的信息： ``` python ./coco_tools/json_InfoShow.py \ --json_path=./annotations/instances_val2017.json \ --show_num 5 ``` ### 3.2.2 参数说明 | 参数名 | 含义 | 默认值 | | ------------- | ------------------------------------| -------- | | `--json_path` | 需要统计的json文件路径 | | | `--show_num` | （可选）输出value中排列靠前的元素的个数 | `5` | | `--Args_show` | （可选）是否打印输入参数信息 | `True` | ### 3.2.3 结果展示 执行上述命令后，输出结果如下： ``` ------------------------------------------------Args------------------------------------------------ json_path = ./annotations/instances_val2017.json show_num = 5 Args_show = True ------------------------------------------------Info------------------------------------------------ json read... json keys: dict_keys(['info', 'licenses', 'images', 'annotations', 'categories']) ***********************info*********************** Content Type: dict Total Length: 6 First 5 record: description : COCO 2017 Dataset url : http://cocodataset.org version : 1.0 year : 2017 contributor : COCO Consortium ... ... *********************licenses********************* Content Type: list Total Length: 8 First 5 record: {'url': 'http://creativecommons.org/licenses/by-nc-sa/2.0/', 'id': 1, 'name': 'Attribution-NonCommercial-ShareAlike License'} {'url': 'http://creativecommons.org/licenses/by-nc/2.0/', 'id': 2, 'name': 'Attribution-NonCommercial License'} {'url': 'http://creativecommons.org/licenses/by-nc-nd/2.0/', 'id': 3, 'name': 'Attribution-NonCommercial-NoDerivs License'} {'url': 'http://creativecommons.org/licenses/by/2.0/', 'id': 4, 'name': 'Attribution License'} {'url': 'http://creativecommons.org/licenses/by-sa/2.0/', 'id': 5, 'name': 'Attribution-ShareAlike License'} ... ... **********************images********************** Content Type: list Total Length: 5000 First 5 record: {'license': 4, 'file_name': '000000397133.jpg', 'coco_url': 'http://images.cocodataset.org/val2017/000000397133.jpg', 'height': 427, 'width': 640, 'date_captured': '2013-11-14 17:02:52', 'flickr_url': 'http://farm7.staticflickr.com/6116/6255196340_da26cf2c9e_z.jpg', 'id': 397133} {'license': 1, 'file_name': '000000037777.jpg', 'coco_url': 'http://images.cocodataset.org/val2017/000000037777.jpg', 'height': 230, 'width': 352, 'date_captured': '2013-11-14 20:55:31', 'flickr_url': 'http://farm9.staticflickr.com/8429/7839199426_f6d48aa585_z.jpg', 'id': 37777} {'license': 4, 'file_name': '000000252219.jpg', 'coco_url': 'http://images.cocodataset.org/val2017/000000252219.jpg', 'height': 428, 'width': 640, 'date_captured': '2013-11-14 22:32:02', 'flickr_url': 'http://farm4.staticflickr.com/3446/3232237447_13d84bd0a1_z.jpg', 'id': 252219} {'license': 1, 'file_name': '000000087038.jpg', 'coco_url': 'http://images.cocodataset.org/val2017/000000087038.jpg', 'height': 480, 'width': 640, 'date_captured': '2013-11-14 23:11:37', 'flickr_url': 'http://farm8.staticflickr.com/7355/8825114508_b0fa4d7168_z.jpg', 'id': 87038} {'license': 6, 'file_name': '000000174482.jpg', 'coco_url': 'http://images.cocodataset.org/val2017/000000174482.jpg', 'height': 388, 'width': 640, 'date_captured': '2013-11-14 23:16:55', 'flickr_url': 'http://farm8.staticflickr.com/7020/6478877255_242f741dd1_z.jpg', 'id': 174482} ... ... *******************annotations******************** Content Type: list Total Length: 36781 First 5 record: {'segmentation': [[510.66, 423.01, 511.72, 420.03, 510.45, 416.0, 510.34, 413.02, 510.77, 410.26, 510.77, 407.5, 510.34, 405.16, 511.51, 402.83, 511.41, 400.49, 510.24, 398.16, 509.39, 397.31, 504.61, 399.22, 502.17, 399.64, 500.89, 401.66, 500.47, 402.08, 499.09, 401.87, 495.79, 401.98, 490.59, 401.77, 488.79, 401.77, 485.39, 398.58, 483.9, 397.31, 481.56, 396.35, 478.48, 395.93, 476.68, 396.03, 475.4, 396.77, 473.92, 398.79, 473.28, 399.96, 473.49, 401.87, 474.56, 403.47, 473.07, 405.59, 473.39, 407.71, 476.68, 409.41, 479.23, 409.73, 481.56, 410.69, 480.4, 411.85, 481.35, 414.93, 479.86, 418.65, 477.32, 420.03, 476.04, 422.58, 479.02, 422.58, 480.29, 423.01, 483.79, 419.93, 486.66, 416.21, 490.06, 415.57, 492.18, 416.85, 491.65, 420.24, 492.82, 422.9, 493.56, 424.39, 496.43, 424.6, 498.02, 423.01, 498.13, 421.31, 497.07, 420.03, 497.07, 415.15, 496.33, 414.51, 501.1, 411.96, 502.06, 411.32, 503.02, 415.04, 503.33, 418.12, 501.1, 420.24, 498.98, 421.63, 500.47, 424.39, 505.03, 423.32, 506.2, 421.31, 507.69, 419.5, 506.31, 423.32, 510.03, 423.01, 510.45, 423.01]], 'area': 702.1057499999998, 'iscrowd': 0, 'image_id': 289343, 'bbox': [473.07, 395.93, 38.65, 28.67], 'category_id': 18, 'id': 1768} {'segmentation': [[289.74, 443.39, 302.29, 445.32, 308.09, 427.94, 310.02, 416.35, 304.23, 405.73, 300.14, 385.01, 298.23, 359.52, 295.04, 365.89, 282.3, 362.71, 275.29, 358.25, 277.2, 346.14, 280.39, 339.13, 284.85, 339.13, 291.22, 338.49, 293.77, 335.95, 295.04, 326.39, 297.59, 317.47, 289.94, 309.82, 287.4, 288.79, 286.12, 275.41, 284.21, 271.59, 279.11, 276.69, 275.93, 275.41, 272.1, 271.59, 274.01, 267.77, 275.93, 265.22, 277.84, 264.58, 282.3, 251.2, 293.77, 238.46, 307.79, 221.25, 314.79, 211.69, 325.63, 205.96, 338.37, 205.32, 347.29, 205.32, 353.03, 205.32, 361.31, 200.23, 367.95, 202.02, 372.27, 205.8, 382.52, 215.51, 388.46, 225.22, 399.25, 235.47, 399.25, 252.74, 390.08, 247.34, 386.84, 247.34, 388.46, 256.52, 397.09, 268.93, 413.28, 298.6, 421.91, 356.87, 424.07, 391.4, 422.99, 409.74, 420.29, 428.63, 415.43, 433.48, 407.88, 414.6, 405.72, 391.94, 401.41, 404.89, 394.39, 420.54, 391.69, 435.64, 391.15, 447.51, 387.38, 461.0, 384.68, 480.0, 354.47, 477.73, 363.1, 433.48, 370.65, 405.43, 369.03, 394.64, 361.48, 398.95, 355.54, 403.81, 351.77, 403.81, 343.68, 403.27, 339.36, 402.19, 335.58, 404.89, 333.42, 411.9, 332.34, 416.76, 333.42, 425.93, 334.5, 430.79, 336.12, 435.64, 321.01, 464.78, 316.16, 468.01, 307.53, 472.33, 297.28, 472.33, 290.26, 471.25, 285.94, 472.33, 283.79, 464.78, 280.01, 462.62, 284.33, 454.53, 285.94, 453.45, 282.71, 448.59, 288.64, 444.27, 291.88, 443.74]], 'area': 27718.476299999995, 'iscrowd': 0, 'image_id': 61471, 'bbox': [272.1, 200.23, 151.97, 279.77], 'category_id': 18, 'id': 1773} {'segmentation': [[147.76, 396.11, 158.48, 355.91, 153.12, 347.87, 137.04, 346.26, 125.25, 339.29, 124.71, 301.77, 139.18, 262.64, 159.55, 232.63, 185.82, 209.04, 226.01, 196.72, 244.77, 196.18, 251.74, 202.08, 275.33, 224.59, 283.9, 232.63, 295.16, 240.67, 315.53, 247.1, 327.85, 249.78, 338.57, 253.0, 354.12, 263.72, 379.31, 276.04, 395.39, 286.23, 424.33, 304.99, 454.95, 336.93, 479.62, 387.02, 491.58, 436.36, 494.57, 453.55, 497.56, 463.27, 493.08, 511.86, 487.02, 532.62, 470.4, 552.99, 401.26, 552.99, 399.65, 547.63, 407.15, 535.3, 389.46, 536.91, 374.46, 540.13, 356.23, 540.13, 354.09, 536.91, 341.23, 533.16, 340.15, 526.19, 342.83, 518.69, 355.7, 512.26, 360.52, 510.65, 374.46, 510.11, 375.53, 494.03, 369.1, 497.25, 361.06, 491.89, 361.59, 488.67, 354.63, 489.21, 346.05, 496.71, 343.37, 492.42, 335.33, 495.64, 333.19, 489.21, 327.83, 488.67, 323.0, 499.39, 312.82, 520.83, 304.24, 531.02, 291.91, 535.84, 273.69, 536.91, 269.4, 533.7, 261.36, 533.7, 256.0, 531.02, 254.93, 524.58, 268.33, 509.58, 277.98, 505.82, 287.09, 505.29, 301.56, 481.7, 302.1, 462.41, 294.06, 481.17, 289.77, 488.14, 277.98, 489.74, 261.36, 489.21, 254.93, 488.67, 254.93, 484.38, 244.75, 482.24, 247.96, 473.66, 260.83, 467.23, 276.37, 464.02, 283.34, 446.33, 285.48, 431.32, 287.63, 412.02, 277.98, 407.74, 260.29, 403.99, 257.61, 401.31, 255.47, 391.12, 233.8, 389.37, 220.18, 393.91, 210.65, 393.91, 199.76, 406.61, 187.51, 417.96, 178.43, 420.68, 167.99, 420.68, 163.45, 418.41, 158.01, 419.32, 148.47, 418.41, 145.3, 413.88, 146.66, 402.53]], 'area': 78969.31690000003, 'iscrowd': 0, 'image_id': 472375, 'bbox': [124.71, 196.18, 372.85, 356.81], 'category_id': 18, 'id': 2551} {'segmentation': [[260.4, 231.26, 215.06, 274.01, 194.33, 307.69, 195.63, 329.72, 168.42, 355.63, 120.49, 382.83, 112.71, 415.22, 159.35, 457.98, 172.31, 483.89, 229.31, 504.62, 275.95, 500.73, 288.91, 495.55, 344.62, 605.67, 395.14, 634.17, 480.0, 632.87, 480.0, 284.37, 404.21, 223.48, 336.84, 202.75, 269.47, 154.82, 218.95, 179.43, 203.4, 194.98, 190.45, 211.82, 233.2, 205.34]], 'area': 108316.66515000002, 'iscrowd': 0, 'image_id': 520301, 'bbox': [112.71, 154.82, 367.29, 479.35], 'category_id': 18, 'id': 3186} {'segmentation': [[200.61, 253.97, 273.19, 318.49, 302.43, 336.64, 357.87, 340.67, 402.23, 316.48, 470.78, 331.6, 521.19, 321.52, 583.69, 323.53, 598.81, 287.24, 600.83, 236.84, 584.7, 190.46, 580.66, 169.29, 531.27, 121.91, 472.8, 93.69, 420.38, 89.65, 340.74, 108.81, 295.37, 119.9, 263.11, 141.07, 233.88, 183.41, 213.72, 229.78, 200.61, 248.93]], 'area': 75864.53530000002, 'iscrowd': 0, 'image_id': 579321, 'bbox': [200.61, 89.65, 400.22, 251.02], 'category_id': 18, 'id': 3419} ... ... ********************categories******************** Content Type: list Total Length: 80 First 5 record: {'supercategory': 'person', 'id': 1, 'name': 'person'} {'supercategory': 'vehicle', 'id': 2, 'name': 'bicycle'} {'supercategory': 'vehicle', 'id': 3, 'name': 'car'} {'supercategory': 'vehicle', 'id': 4, 'name': 'motorcycle'} {'supercategory': 'vehicle', 'id': 5, 'name': 'airplane'} ... ... ``` ### 3.2.4 结果说明 `instances_val2017.json`的key有5个，分别为： ``` 'info', 'licenses', 'images', 'annotations', 'categories' ``` 其中， - `info`键对应的值为字典，共有6个键值对，输出展示了前5对； - `licenses`键对应的值为列表，共有8个元素，输出展示了前5个； - `images`键对应的值为列表，共有5000个元素，输出展示了前5个； - `annotations`键对应的值为列表，共有36781个元素，输出展示了前5个； - `categories`键对应的值为列表，共有80个元素，输出展示了前5个。 ## 3.3 统计图像信息 使用`json_ImgSta.py`可以从`instances_val2017.json`中快速提取图像信息，生成csv表格，并生成统计图。 ### 3.3.1 命令演示 执行如下命令，打印`instances_val2017.json`信息： ``` python ./coco_tools/json_ImgSta.py \ --json_path=./annotations/instances_val2017.json \ --csv_path=./img_sta/images.csv \ --png_shape_path=./img_sta/images_shape.png \ --png_shapeRate_path=./img_sta/images_shapeRate.png ``` ### 3.3.2 参数说明 | 参数名 | 含义 | 默认值 | | ---------------------- | --------------------------------------------------------------------- | -------- | | `--json_path` | 需要统计的json文件路径 | | | `--csv_path` | （可选）统计表格保存路径 | `None` | | `--png_shape_path` | （可选）png图片保存路径，图片内容为所有图像shape的二维分布 | `5` | | `--png_shapeRate_path` | （可选）png图片保存路径，图片内容为所有图像shape比例(宽/高)的一维分布 | `5` | | `--image_keyname` | （可选）json文件中，图像所对应的key |`'images'`| | `--Args_show` | （可选）是否打印输入参数信息 |`True` | ### 3.3.3 结果展示 执行上述命令后，输出结果如下： ``` ------------------------------------------------Args------------------------------------------------ json_path = ./annotations/instances_val2017.json csv_path = ./img_sta/images.csv png_shape_path = ./img_sta/images_shape.png png_shapeRate_path = ./img_sta/images_shapeRate.png image_keyname = images Args_show = True json read... make dir: ./img_sta png save to ./img_sta/images_shape.png png save to ./img_sta/images_shapeRate.png csv save to ./img_sta/images.csv ``` 部分表格内容： | | license | file_name | coco_url | height | width | date_captured | flickr_url | id | shape_rate | | --- | --------- | ------------------ | -------------------------------------------------------- | -------- | ------- | --------------------- | ---------------------------------------------------------------- | -------- | ------------ | | 0 | 4 | 000000397133.jpg | http://images.cocodataset.org/val2017/000000397133.jpg | 427 | 640 | 2013-11-14 17:02:52 | http://farm7.staticflickr.com/6116/6255196340_da26cf2c9e_z.jpg | 397133 | 1.5 | | 1 | 1 | 000000037777.jpg | http://images.cocodataset.org/val2017/000000037777.jpg | 230 | 352 | 2013-11-14 20:55:31 | http://farm9.staticflickr.com/8429/7839199426_f6d48aa585_z.jpg | 37777 | 1.5 | | 2 | 4 | 000000252219.jpg | http://images.cocodataset.org/val2017/000000252219.jpg | 428 | 640 | 2013-11-14 22:32:02 | http://farm4.staticflickr.com/3446/3232237447_13d84bd0a1_z.jpg | 252219 | 1.5 | | 3 | 1 | 000000087038.jpg | http://images.cocodataset.org/val2017/000000087038.jpg | 480 | 640 | 2013-11-14 23:11:37 | http://farm8.staticflickr.com/7355/8825114508_b0fa4d7168_z.jpg | 87038 | 1.3 | 保存的图片内容： 所有图像shape的二维分布： ![image.png](./assets/1650011491220-image.png) 所有图像shape比例(宽/高)的一维分布： ![image.png](./assets/1650011634205-image.png) ## 3.4 统计目标检测标注框信息 使用`json_AnnoSta.py`，可以从`instances_val2017.json`中快速提取标注信息，生成csv表格，并生成统计图。 ### 3.4.1 命令演示 执行如下命令，打印`instances_val2017.json`信息： ``` python ./coco_tools/json_AnnoSta.py \ --json_path=./annotations/instances_val2017.json \ --csv_path=./anno_sta/annos.csv \ --png_shape_path=./anno_sta/annos_shape.png \ --png_shapeRate_path=./anno_sta/annos_shapeRate.png \ --png_pos_path=./anno_sta/annos_pos.png \ --png_posEnd_path=./anno_sta/annos_posEnd.png \ --png_cat_path=./anno_sta/annos_cat.png \ --png_objNum_path=./anno_sta/annos_objNum.png \ --get_relative=True ``` ### 3.4.2 参数说明 | 参数名 | 含义 | 默认值 | | ---------------------- | ------------------------------------------------------------------------------------------------------------------------- | ------------- | | `--json_path` | （可选）需要统计的json文件路径 | | | `--csv_path` | （可选）统计表格保存路径 | `None` | | `--png_shape_path` | （可选）png图片保存路径，图片内容为所有目标检测框shape的二维分布 | `None` | | `--png_shapeRate_path` | （可选）png图片保存路径，图片内容为所有目标检测框shape比例(宽/高)的一维分布 | `None` | | `--png_pos_path` | （可选）png图片保存路径，图片内容为所有目标检测框左上角坐标的二维分布 | `None` | | `--png_posEnd_path` | （可选）png图片保存路径，图片内容为所有目标检测框右下角坐标的二维分布 | `None` | | `--png_cat_path` | （可选）png图片保存路径，图片内容为各个类别的对象数量分布 | `None` | | `--png_objNum_path` | （可选）png图片保存路径，图片内容为单个图像中含有标注对象的数量分布 | `None` | | `--get_relative` | （可选）是否生成图像目标检测框shape、目标检测框左上角坐标、右下角坐标的相对比例值
(横轴坐标/图片长，纵轴坐标/图片宽) | `None` | | `--image_keyname` | （可选）json文件中，图像所对应的key | `'images'` | | `--anno_keyname` | （可选）json文件中，标注所对应的key | `'annotations'`| | `--Args_show` | （可选）是否打印输入参数信息 | `True` | ### 3.4.3 结果展示 执行上述命令后，输出结果如下： ``` ------------------------------------------------Args------------------------------------------------ json_path = ./annotations/instances_val2017.json csv_path = ./anno_sta/annos.csv png_shape_path = ./anno_sta/annos_shape.png png_shapeRate_path = ./anno_sta/annos_shapeRate.png png_pos_path = ./anno_sta/annos_pos.png png_posEnd_path = ./anno_sta/annos_posEnd.png png_cat_path = ./anno_sta/annos_cat.png png_objNum_path = ./anno_sta/annos_objNum.png get_relative = True image_keyname = images anno_keyname = annotations Args_show = True json read... make dir: ./anno_sta png save to ./anno_sta/annos_shape.png png save to ./anno_sta/annos_shape_Relative.png png save to ./anno_sta/annos_shapeRate.png png save to ./anno_sta/annos_pos.png png save to ./anno_sta/annos_pos_Relative.png png save to ./anno_sta/annos_posEnd.png png save to ./anno_sta/annos_posEnd_Relative.png png save to ./anno_sta/annos_cat.png png save to ./anno_sta/annos_objNum.png csv save to ./anno_sta/annos.csv ``` 部分表格内容： ![image.png](./assets/1650025881244-image.png) 所有目标检测框shape的二维分布： ![image.png](./assets/1650025909461-image.png) 所有目标检测框shape在图像中相对比例的二维分布： ![image.png](./assets/1650026052596-image.png) 所有目标检测框shape比例（宽/高）的一维分布： ![image.png](./assets/1650026072233-image.png) 所有目标检测框左上角坐标的二维分布： ![image.png](./assets/1650026247150-image.png) 所有目标检测框左上角坐标的相对比例值的二维分布： ![image.png](./assets/1650026289987-image.png) 所有目标检测框右下角坐标的二维分布： ![image.png](./assets/1650026457254-image.png) 所有目标检测框右下角坐标的相对比例值的二维分布： ![image.png](./assets/1650026487732-image.png) 各个类别的对象数量分布： ![image.png](./assets/1650026546304-image.png) 单个图像中含有标注对象的数量分布： ![image.png](./assets/1650026559309-image.png) ## 3.5 统计图像信息生成json 使用`json_Test2Json.py`，可以根据`test2017`中的文件信息与训练集json文件快速提取图像信息，生成测试集json文件。 ### 3.5.1 命令演示 执行如下命令，统计并生成`test2017`信息： ``` python ./coco_tools/json_Img2Json.py \ --test_image_path=./test2017 \ --json_train_path=./annotations/instances_val2017.json \ --json_test_path=./test.json ``` ### 3.5.2 参数说明 | 参数名 | 含义 | 默认值 | | ------------------- | ---------------------------------------- | ------------ | | `--test_image_path` | 需要统计的图像目录路径 | | | `--json_train_path` | 用于参考的训练集json文件路径 | | | `--json_test_path` | 生成的测试集json文件路径 | | | `--image_keyname` | （可选）json文件中，图像对应的key | `'images'` | | `--cat_keyname` | （可选）json文件中，类别对应的key | `'categories'`| | `--Args_show` | （可选）是否打印输入参数信息 | `True` | ### 3.5.3 结果展示 执行上述命令后，输出结果如下： ``` ------------------------------------------------Args------------------------------------------------ test_image_path = ./test2017 json_train_path = ./annotations/instances_val2017.json json_test_path = ./test.json Args_show = True ----------------------------------------------Get Test---------------------------------------------- json read... test image read... 100%|█████████████████████████████████████| 40670/40670 [06:48<00:00, 99.62it/s] total test image: 40670 ``` 生成的json文件信息： ``` ------------------------------------------------Args------------------------------------------------ json_path = ./test.json show_num = 5 Args_show = True ------------------------------------------------Info------------------------------------------------ json read... json keys: dict_keys(['images', 'categories']) **********************images********************** Content Type: list Total Length: 40670 First 5 record: {'id': 0, 'width': 640, 'height': 427, 'file_name': '000000379269.jpg'} {'id': 1, 'width': 640, 'height': 360, 'file_name': '000000086462.jpg'} {'id': 2, 'width': 640, 'height': 427, 'file_name': '000000176710.jpg'} {'id': 3, 'width': 640, 'height': 426, 'file_name': '000000071106.jpg'} {'id': 4, 'width': 596, 'height': 640, 'file_name': '000000251918.jpg'} ... ... ********************categories******************** Content Type: list Total Length: 80 First 5 record: {'supercategory': 'person', 'id': 1, 'name': 'person'} {'supercategory': 'vehicle', 'id': 2, 'name': 'bicycle'} {'supercategory': 'vehicle', 'id': 3, 'name': 'car'} {'supercategory': 'vehicle', 'id': 4, 'name': 'motorcycle'} {'supercategory': 'vehicle', 'id': 5, 'name': 'airplane'} ... ... ``` ## 3.6 json文件拆分 使用`json_Split.py`，可以将`instances_val2017.json`文件拆分为2个子集。 ### 3.6.1 命令演示 执行如下命令，拆分`instances_val2017.json`文件： ``` python ./coco_tools/json_Split.py \ --json_all_path=./annotations/instances_val2017.json \ --json_train_path=./instances_val2017_train.json \ --json_val_path=./instances_val2017_val.json ``` ### 3.6.2 参数说明 | 参数名 | 含义 | 默认值 | | -------------------- | ------------------------------------------------------------------------------------- | ------------ | | `--json_all_path` | 需要拆分的json文件路径 | | | `--json_train_path` | 生成的train部分json文件 | | | `--json_val_path` | 生成的val部分json文件 | | | `--val_split_rate` | （可选）拆分过程中，val集文件的比例 | `0.1` | | `--val_split_num` | （可选）拆分过程中，val集文件的数量，
如果设置了该参数，则`--val_split_rate`参数失效 | `None` | | `--keep_val_inTrain` | （可选）拆分过程中，是否在train中仍然保留val部分 | `False` | | `--image_keyname` | （可选）json文件中，图像对应的key | `'images'` | | `--cat_keyname` | （可选）json文件中，类别对应的key | `'categories'`| | `--Args_show` | （可选）是否打印输入参数信息 | `'True'` | ### 3.6.3 结果展示 执行上述命令后，输出结果如下： ``` ------------------------------------------------Args------------------------------------------------ json_all_path = ./annotations/instances_val2017.json json_train_path = ./instances_val2017_train.json json_val_path = ./instances_val2017_val.json val_split_rate = 0.1 val_split_num = None keep_val_inTrain = False image_keyname = images anno_keyname = annotations Args_show = True -----------------------------------------------Split------------------------------------------------ json read... image total 5000, train 4500, val 500 anno total 36781, train 33119, val 3662 ``` ## 3.7 json文件合并 使用`json_Merge.py`，可以合并2个json文件。 ### 3.7.1 命令演示 执行如下命令，合并`instances_train2017.json`与`instances_val2017.json`： ``` python ./coco_tools/json_Merge.py \ --json1_path=./annotations/instances_train2017.json \ --json2_path=./annotations/instances_val2017.json \ --save_path=./instances_trainval2017.json ``` ### 3.7.2 参数说明 | 参数名 | 含义 | 默认值 | | -------------- | ------------------------------- | --------------------------- | | `--json1_path` | 需要合并的json文件1路径 | | | `--json2_path` | 需要合并的json文件2路径 | | | `--save_path` | 生成的json文件 | | | `--merge_keys` | （可选）合并过程中需要合并的key | `['images', 'annotations']` | | `--Args_show` | （可选）是否打印输入参数信息 | `True` | ### 3.7.3 结果展示 执行上述命令后，输出结果如下： ``` ------------------------------------------------Args------------------------------------------------ json1_path = ./annotations/instances_train2017.json json2_path = ./annotations/instances_val2017.json save_path = ./instances_trainval2017.json merge_keys = ['images', 'annotations'] Args_show = True -----------------------------------------------Merge------------------------------------------------ json read... json merge... info licenses images merge! annotations merge! categories json save... finish! ```