bdd100k数据集制作用于YOLOv3训练

这篇博文主要记录了将bdd100k数据集整理成yolo模型的要求来训练。这里的数据格式并非官网的darknet格式，而是一般的模型格式：

以图片名作为ＴＸＴ名称
将同一幅图中的ｌａｂｅｌ和对应的ｂｏｕｎｄｉｎｇ　ｂｏｘ整理在同一个ｔｘｔ中。

bdd100k数据集介绍

1.Annotations

1、道路目标边界框：10万张图片，其中：训练集7万，测试集2万，验证集1万
2、可行驶区域：10万张图片
3、车道线标记：10万张图片
4、全帧实例分割：1万张图片
Annotation包含了被标记对象的源图像的URL、类别标签、大小（起始坐标、结束坐标、宽度和高度）、截断、遮挡和交通灯颜色等信息。

json文件解析（转换成YOLO数据集格式）

转换code

import json
#数据集中包含的10个类别
categorys = ['car', 'bus', 'person', 'bike', 'truck', 'motor', 'train', 'rider', 'traffic sign', 'traffic light']# 图片的分辨率
picture_width = 1282
picture_height = 720def parseJson(jsonFile):'''params:jsonFile -- BDD00K数据集的一个json标签文件return:返回一个列表的列表，存储了一个json文件里面的方框坐标及其所属的类，'''objs = []obj = []info = jsonFilename = info['name']objects = info['labels']for i in objects:if(i['category'] in categorys):obj.append(int(i['box2d']['x1']))obj.append(int(i['box2d']['y1']))obj.append(int(i['box2d']['x2']))obj.append(int(i['box2d']['y2']))obj.append(i['category'])objs.append(obj)obj = []return name, objs#test
file_handle = open('traindata.txt', mode='a')
f = open("/home/violet/Documents/dataset/bdd100k/label/train/bdd100k_labels_images_train.json") # json文件的绝对路径，换成自己的
info = json.load(f)
objects = info
n = len(objects)# 将左上右下坐标转换成 中心x,y以及w  h
def bboxtrans(box_x_min, box_y_min, box_x_max, box_y_max):x_center = (box_x_min + box_x_max) / (2 * picture_width)y_center = (box_y_min + box_y_max) / (2 * picture_height)width = (box_x_max - box_x_min) / (2 * picture_width)height = (box_y_max - box_y_min) / (2 * picture_height)return x_center, y_center, width, heightfor i in range(n):an = ""name, result = parseJson(objects[i])an = "./data/custom/images/train/" + name  # 这里我改成了图片的相对路径for j in range(len(result)):cls_id = categorys.index(result[j][4])x, y, w, h = bboxtrans(result[j][0], result[j][1], result[j][2], result[j][3])an = an + ' ' +str(cls_id) + ' '+str(x)+' '+str(y)+' '+str(w)+' '+str(h)an = an + '\n'file_handle.write(an)print(len(result))print(an)

数据整合code

with open('traindata.txt') as f:line = f.readline()while (line):data = line.strip().split()  # strip(): 删除前后空格、空行wf = open('./data/' + data[0][27:-4]+'.txt', 'a+')numofline = len(data) - 1for i in range(1, numofline, 5):for j in range(0, 5):idx = i + jwf.write(data[idx])  # class_index center_x cnter_y w hwf.write(' ')wf.write('\n')line = f.readline()

bdd100k数据集制作用于YOLOv3训练相关推荐

使用YOLOV7训练BDD100K数据集（数据格式转化+训练全流程）
目录 1. 前言 1.1 BDD100K数据集详细介绍(此节可跳过) 1.2 BDD100K数据集简要介绍 1.3 下载必要文件 2. bdd100k转yolo数据集格式 2.1 为什么要转格式 2. ...
VIA标注自己的数据集，用于MASK-RCNN训练
最近在看MASK-RCNN,想动手训练自己的数据集.话不多说,开工! 第一步:标注数据这里选择的是VIA,一个网页版的工具,很方面,可以标注掩码.下载点这里. 下载完成后,解压运行via.html ...
BDD100K数据集制作的流程(1)
第一步:json=>csv 利用json_to_csv.ipynb把路径"G:/Data/bdd100k_info/bdd100k/info/100k/val"和" ...
BDD100k数据集训练YOLOv5
BDD100k数据集标注转YOLO格式: # -*- coding: utf-8 -*- # @Author: lay # @Time: 2022/3/30 上午12:03""&q ...
ubuntu16.04下使用YOLOV3训练自己做的VOC数据集（VOC数据集制作+模型训练步骤+训练参数解析和问题解决+训练日志可视化（loss、IOU）+模型测试（单张、摄像头、批量测试））
前序 1.环境配置请自行参考其他博客本机环境 ubuntu16.04 python3 英伟达显卡驱动:nvidia-396 OpenCV3.4.5 CUDNN7.0.5 CUDA9.0 2.ubu ...
【深度学习】制作VOC2007数据集用于Faster-RCNN训练
制作VOC2007数据集用于Faster-RCNN训练:VOC2007格式是faster-RCNN中官方给出的用于训练的数据集,把它下载下来用frcnn/tool里的训练程序跑一跑就可以得到自己的训练 ...
建立自己的voc数据集_制作自己的数据集（VOC2007格式）用于Faster-RCNN训练
一.数据集文件夹新建一个文件夹,用来存放整个数据集,或者和voc2007一样的名字:VOC2007 然后在文件夹里面新建如下文件夹: 二.将训练图片放到JPEGImages 将所有的训练图片放到该文 ...
yolov3识别探地雷达仿真数据(数据集制作，训练，测试)
yolov3识别探地雷达仿真数据利用yolov3目标检测的功能对探地雷达数据进行检测.具有一定的研究意义. 环境准备:ubuntu18.04,darknet平台,python3.7,CUDA10.0 ...
使用YOLOv3训练BDD100K数据集之标签格式转换
BDD100K数据集介绍: BDD100K的道路目标检测部分总共有10类:bus,traffic light,traffic sign,person,bike,truck,moter,car,trai ...