COCO KeyPoints关键点数据集准备
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
COCO KeyPoints关键点数据集准备相关推荐
- CenterNet KeyPoints 关键点训练自己的数据
概述 网上搜了一圈,关于CenterNet 训练关键点数据的资料非常少,而且讲得都很模糊,没法解决实际问题,也未说明细节和要素.在踏坑许久之后,才跑通CenterNet的关键点训练,于是记录一下踏坑历 ...
- 基于 Labelme 制作手部关键点数据集 并转 COCO 格式
Labelme 制作手部21个关键点数据 1:环境准备 1.1 基础环境 1.2 安装 Labelme 1.2.1:创建anaconda虚拟环境 1.2.2:激活虚拟环境 1.2.3:安装labelm ...
- CV之NS之VGG16:基于预训练模型VGG16训练COCO的train2014数据集实现训练《神奈川冲浪里》风格配置yml文件
CV之NS之VGG16:基于预训练模型VGG16训练COCO的train2014数据集实现训练<神奈川冲浪里>风格配置yml文件 目录 一.训练 1.<神奈川冲浪里>风格 2. ...
- 深度学习自学(十二):关键点数据集处理-300VW
一.300VW关键点数据集 最近训练关键点模型缺少数据,所以整理了下300vw的视频数据,整理成:文件名+检测框+关键点的多标签数据. 数据路径:https://yun.baidu.com/s/1bo ...
- PASCAL VOC目标检测数据集格式转化为COCO目标检测数据集格式
VOC2012目标检测数据集格式转化为COCO目标检测数据集格式 你只需要传入一个VOC数据集根路径可以直接运行,简直不要太方便好吧 需要材料: VOC2012原始数据集 一个pycharm项目文件夹 ...
- COCO目标检测数据集的读取方法与Python工具脚本
COCO (Common Objects in COntext) 是一个大型的图像数据集,提供了目标检测.分割.看图说话等多个任务的标签.COCO的标注文件是用json格式编写的,初次接触时需要花十来 ...
- 目标检测(3)—— 如何使用PyTorch加载COCO类型的数据集
一.如何使用PyTorch加载COCO数据集 打开pytorch的官网 可以看到COCO数据集不提供下载 回顾json文件里面都有什么:"annotations"里面有" ...
- coco关键点数据集水平翻转数据增强,连同标注一起变化
对coco图片进行水平翻转时,连同关键点标注也要对应着进行变化. 首先是x坐标,从x变为了width-1-x,然后对应的,人体的左右边要进行交换,比如原来的左手就变成右手,原来的右手变成左手,通过以下 ...
- 【COCO】COCO2017数据集下载百度云
首先,COCO数据集的官网:http://cocodataset.org/#download 由于是外网的链接,因此我们下载的时候速度会比较慢,或者根本进不去,更不用说是二十多G的文件. 没有办法,只 ...
最新文章
- android音乐播放器、多种架构综合应用、滤镜处理等源码
- Windows 7下Eclipse搭建Android开发环境
- AHOI2009 中国象棋
- php opcache 坑,PHP7 opcache缓存清理问题
- 第四篇:mysql管理工具
- Idoc学习笔记----获取查询Idoc信息
- 结构型模式—享元模式
- 第17件事 成功要素分析
- 文字描边_学会这种描边效果,你的PPT也能这么好看
- Node.js Stream - 实战篇
- 怎么查看kudu的版本_apache版本kudu kudu-impala安装方法
- 2020快手母婴行业数据价值报告
- Python入门-函数
- matlab李雅普诺夫吸引子,matlab计算Rossler吸引子的李雅普诺夫指数
- 【转载文章】原 DOS命令学习(从入门到精通)_____附加自己学习笔记
- 在阿里云注册域名后怎样进行网站的备案流程
- windows10更新怎么关闭
- 兄弟扫描机无法连接计算机,可以网络打印, 但是不能进行网络扫描。
- 《游戏引擎浅入浅出》
- 计算机为动态分区无法安装系统,装系统时提示目标分区是动态磁盘的gpt分区,需要在pe环境下进行备份或还原怎么解决...
热门文章
- Axure 全局辅助线(转)
- mysql处理上百万条的数据库如何优化语句来提高处理查询效率
- (转)金额转中文大写
- jsp error-page没有生效
- 用tcpdump查看端口包
- ae编程语言as_AE开发 入门教程
- 子程序调用与宏定义的异同_如何用数控系统进行简单的宏程序调用?老师傅告诉你,用G65就行...
- 计算机一级多选题没有选分,计算机一级多选题
- javascript2秒后再执行_停车后5秒,车祸发生了!高速公路上你别再这样做了!| 一线微观...
- ecs安装tomcat和mysql_centos(Linux)系统阿里云ECS搭建 jdk,tomcat和MySQL环境,并部署web程序...