27 KiB

Raw Blame History

coco_tools说明

0.工具说明

coco_tools是PaddleRS中，用coco类标注文件处理的工具集，详见tools/coco_tools/。

由于pycocotools库在部分环境下无法安装，因此可以使用coco_tools进行一些简单的文件处理工作。

1.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: 打印json文件中各个字典的基本信息；
json_ImgSta: 统计json文件中的图像信息，生成统计表、统计图；
json_AnnoSta: 统计json文件中的标注信息，生成统计表、统计图；
json_Img2Json: 统计test集图像，生成json文件；
json_Split: json文件拆分，划分为train set、val set
json_Merge: json文件合并，将多个json合并为1个json

2. 应用案例说明

通过本教程，你将快速学会PaddleRS中关于coco_tools的API调用，帮助你完成coco类数据集的信息统计、文件操作。

2.1 示例数据集

本文档以COCO 2017数据集作为示例数据，进行演示。COCO 2017 官方下载链接、aistudio备份链接

COCO 2017 文件结构

./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
|  |--...
|  |--...

2.2 打印json信息

使用json_InfoShow.py，可以打印instances_val2017.json中的各个key，并输出value中的前n个元素，从而帮助快速了解标注信息。

尤其是对于coco格式标注数据中的image、annotation，可以查看其具体的标注格式

2.2.1 命令演示

可以执行如下命令，打印instances_val2017.json信息

python ./coco_tools/json_InfoShow.py \
       --json_path=./annotations/instances_val2017.json \
       --show_num 5

2.2.2 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元素的个数	5
--Args_show	(可选)是否打印输入的参数信息	True

2.2.3 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'}
...
...

2.2.4 结果说明

instances_val2017.json的key有5个，分别为

'info', 'licenses', 'images', 'annotations', 'categories'

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

2.3 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

2.3.1 命令演示

可以执行如下命令，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

2.3.2 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key的名称	images
--Args_show	(可选)是否打印输入的参数信息	True

2.3.3 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的二维分布所有图像shape比例(宽/高)的一维分布

2.4 统计目标检测标注框信息

使用json_AnnoSta.py，可以从instances_val2017.json中，快速提取图像信息，生成csv表格，并生成统计图

2.4.1 命令演示

可以执行如下命令，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

2.4.2 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key的名称	images
--anno_keyname	(可选)json文件中，图像anno的名称	annotations
--Args_show	(可选)是否打印输入的参数信息	True

2.4.3 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：

所有目标检测框shape的二维分布:

所有目标检测框shape在图像中相对比例的二维分布:

所有目标检测框shape比例（宽/高）的一维分布:

所有目标检测框左上角坐标的二维分布:

所有目标检测框左上角坐标的相对比例值的二维分布:

所有目标检测框右下角坐标的二维分布:

所有目标检测框右下角坐标的相对比例值的二维分布:

各个类别的对象数量分布

单个图像中含有标注对象的数量分布

2.5 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json文件

2.5.1 命令演示

可以执行如下命令，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

2.5.2 参数说明

参数名	含义	默认值
--test_image_path	需要统计的图像文件夹路径
--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key的名称	images
--cat_keyname	(可选)json文件中，图像categories的名称	categories
--Args_show	(可选)是否打印输入的参数信息	True

2.5.3 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'}
...
...

2.6 json文件拆分

使用json_Split.py，可以拆分instances_val2017.json文件

2.6.1 命令演示

可以执行如下命令，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

2.6.2 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key的名称	images
--cat_keyname	(可选)json文件中，图像categories的名称	categories
--Args_show	(可选)是否打印输入的参数信息	True

2.6.3 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

2.7 json文件合并

使用json_Merge.py，可以合并instances_train2017.json、instances_val2017.json文件

2.7.1 命令演示

可以执行如下命令，合并instances_train2017.json、instances_val2017.json文件

python ./coco_tools/json_Merge.py \
    --json1_path=./annotations/instances_train2017.json \
    --json2_path=./annotations/instances_val2017.json \
    --save_path=./instances_trainval2017.json

2.7.2 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)是否打印输入的参数信息	True

2.7.3 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!

27 KiB Raw Blame History

coco_tools说明

0.工具说明

1.文件说明

2. 应用案例说明

2.1 示例数据集

2.2 打印json信息

2.2.1 命令演示

2.2.2 参数说明

2.2.3 结果展示

2.2.4 结果说明

2.3 统计图像信息

2.3.1 命令演示

2.3.2 参数说明

2.3.3 结果展示

2.4 统计目标检测标注框信息

2.4.1 命令演示

2.4.2 参数说明

2.4.3 结果展示

2.5 统计图像信息生成json

2.5.1 命令演示

2.5.2 参数说明

2.5.3 结果展示

2.6 json文件拆分

2.6.1 命令演示

2.6.2 参数说明

2.6.3 结果展示

2.7 json文件合并

2.7.1 命令演示

2.7.2 参数说明

2.7.3 结果展示

27 KiB

Raw Blame History