COCO KeyPoints关键点数据集准备

概述

网上搜了一圈，coco关键点数据集准备的内容比较少，这里写一篇完成的标注流程到数据集准备的文章，以备后忘

标注工具

coco官方标注工具: coco–annotator
https://github.com/jsbroks/coco-annotator

标注过程

这里注意category_id 最好为1 ，否则会有不必要的麻烦 “category_id”: 1

标注流程

1、创建类别
2、创建关键点名称
3、创建关键点之间连线关系
4、选择一张图片
5、标注待识别目标识别矩形框
6、在框内标注关键点keyPoints
7、标注下一张图片

标注完成之后，导出数据集
导出结果在 coco–annotator/datasets/数据集名字/. exports/ 文件夹里

ps: 数据集也可以直接在web页面上点击下载

数据集准备

完善数据集

coco数据集标准字段

{"info": info,"licenses": [license],"images": [image],"annotations": [annotation],
}

导出的数据集默认是没有 info字段和licenses 字段的，所以我们在数据集的json文件（coco-1613789462.5181398.json）自己加上这两个字段，如下:

字段如下：

"info": {"contributor": "zyl","date_created": "2021/02/01","description": "human hand keypoints","url": "","version": "1.0","year": 2021},"licenses": [{"id": 1,"name": "Attribution-NonCommercial-ShareAlike License","url": "http://creativecommons.org/licenses/by-nc-sa/2.0/"}]

分割数据集为训练集和测试集

如下，三个文件放同一个目录

修改splitCoco.sh 文件中的文件名为自己的json标注文件路径,运行

./splitCoco.sh

执行得到训练集文件和测试集文件

test.json
train.json

图片文件训练集和验证集区分

我们标注的图像是放在一个文件夹里的，这里需要区分成两个文件夹 test2017/ 和 train2017/

ps:当然这里最简单的方法是把所有的图像分别拷贝到这两个目录，即 test2017/ 和 train2017/ 里面都放所有的标注图像

分类可以通过pickUsedImg.py这个脚本进行分类，自己改改，这个代码看不懂这个文章也就不用往下看了。

最终得到的数据集

三个文件夹 annotations/ 、 test2017/ 、 train2017/
test2017 和train2017 分别是测试集和训练集图片
其中 annotations/文件夹如下:

计算数据集的mean 和std 值

参照dataset_mean_std.py 文件路径修改为自己的数据集图片全集的目录
计算出的值如下：

到此，数据集准备完毕

数据集处理所需代码文件

链接: https://pan.baidu.com/s/1CmnnkthOXIjY4ndSRiqQ0g 提取码: cai9 复制这段内容后打开百度网盘手机App，操作更方便哦
–来自百度网盘超级会员v1的分享