You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
 
 
 

27 KiB

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 image.png 所有图像shape比例(宽/高)的一维分布 image.png

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:

image.png

所有目标检测框shape的二维分布:

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

所有目标检测框shape比例(宽/高)的一维分布:

image.png

所有目标检测框左上角坐标的二维分布:

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

所有目标检测框右下角坐标的二维分布:

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

各个类别的对象数量分布

image.png

单个图像中含有标注对象的数量分布

image.png

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!