目标检测yolo, voc, coco的BBox格式转换

yolo, voc, coco bbox格式互转函数

yolo: [xmid, ymid, w, h]，归一化到0-1

voc: [x1, y1, x2, y2]

coco: [xmin, ymin, w, h]

def voc2yolo(bboxes, image_height=720, image_width=1280):"""voc  => [x1, y1, x2, y2]yolo => [xmid, ymid, w, h] (normalized)"""bboxes = bboxes.copy().astype(float) # otherwise all value will be 0 as voc_pascal dtype is np.intbboxes[..., [0, 2]] = bboxes[..., [0, 2]]/ image_widthbboxes[..., [1, 3]] = bboxes[..., [1, 3]]/ image_heightw = bboxes[..., 2] - bboxes[..., 0]h = bboxes[..., 3] - bboxes[..., 1]bboxes[..., 0] = bboxes[..., 0] + w/2bboxes[..., 1] = bboxes[..., 1] + h/2bboxes[..., 2] = wbboxes[..., 3] = hreturn bboxesdef yolo2voc(bboxes, image_height=720, image_width=1280):"""yolo => [xmid, ymid, w, h] (normalized)voc  => [x1, y1, x2, y2]""" bboxes = bboxes.copy().astype(float) # otherwise all value will be 0 as voc_pascal dtype is np.intbboxes[..., [0, 2]] = bboxes[..., [0, 2]]* image_widthbboxes[..., [1, 3]] = bboxes[..., [1, 3]]* image_heightbboxes[..., [0, 1]] = bboxes[..., [0, 1]] - bboxes[..., [2, 3]]/2bboxes[..., [2, 3]] = bboxes[..., [0, 1]] + bboxes[..., [2, 3]]return bboxesdef coco2yolo(bboxes, image_height=720, image_width=1280):"""coco => [xmin, ymin, w, h]yolo => [xmid, ymid, w, h] (normalized)"""bboxes = bboxes.copy().astype(float) # otherwise all value will be 0 as voc_pascal dtype is np.int# normolizinigbboxes[..., [0, 2]]= bboxes[..., [0, 2]]/ image_widthbboxes[..., [1, 3]]= bboxes[..., [1, 3]]/ image_height# converstion (xmin, ymin) => (xmid, ymid)bboxes[..., [0, 1]] = bboxes[..., [0, 1]] + bboxes[..., [2, 3]]/2return bboxesdef yolo2coco(bboxes, image_height=720, image_width=1280):"""yolo => [xmid, ymid, w, h] (normalized)coco => [xmin, ymin, w, h]""" bboxes = bboxes.copy().astype(float) # otherwise all value will be 0 as voc_pascal dtype is np.int# denormalizingbboxes[..., [0, 2]]= bboxes[..., [0, 2]]* image_widthbboxes[..., [1, 3]]= bboxes[..., [1, 3]]* image_height# converstion (xmid, ymid) => (xmin, ymin) bboxes[..., [0, 1]] = bboxes[..., [0, 1]] - bboxes[..., [2, 3]]/2return bboxesdef voc2coco(bboxes, image_height=720, image_width=1280):bboxes  = voc2yolo(bboxes, image_height, image_width)bboxes  = yolo2coco(bboxes, image_height, image_width)return bboxes

目标检测yolo, voc, coco的BBox格式转换相关推荐

yolov3网络结构图_目标检测——YOLO V3简介及代码注释（附github代码——已跑通）...
GitHub: liuyuemaicha/PyTorch-YOLOv3github.com 注:该代码fork自eriklindernoren/PyTorch-YOLOv3,该代码相比master分 ...
目标检测YOLO系列------YOLO简介
目标检测YOLO系列------YOLO简介 1.为什么会出现YOLO算法 2.YOLO算法会逐渐成为目标检测的主流吗 YOLO以及各种变体已经广泛应用于目标检测算法所涉及到的方方面面,为了梳 ...
目标检测任务中常用的数据集格式(voc、coco、yolo)
在目标检测任务中,常见的数据集格式有三种,分别为voc(xml).coco(json).yolo(txt). 一.Pascal VOC Pascal VOC数据集是目标检测的常用的大规模数据集之一,从 ...
深度学习目标检测数据VisDrone2019（to yolo / voc / coco）---MMDetection数据篇
1.VisDrone2019数据集介绍配备摄像头的无人机(或通用无人机)已被快速部署到广泛的应用领域,包括农业.航空摄影.快速交付和监视.因此,从这些平台上收集的视觉数据的自动理解要求越来越高,这使 ...
【小样本目标检测实践VOC格式】Frustratingly Simple Few-Shot Object Detection
文章目录数据准备数据来源数据预处理 FSDet step1.配置环境,跑通demo.py step2.准备base model step3.制作自己的few-shot数据集 builtin.py ...
目标检测 YOLO v3 验证 COCO 模型
YOLO,是You Only Look Once的缩写,一种基于深度卷积神经网络的物体检测算法,YOLO v3是YOLO的第3个版本,检测算法更快更准. 本文源码:https://github.com ...
Tensorflow框架:目标检测Yolo思想
Yolo-You Only Look Once YOLO算法采用一个单独的CNN模型实现end-to-end的目标检测: Resize成448448,图片分割得到77网格(cell) CNN提取特征和 ...
[目标检测]YOLO原理
1 YOLO 创新点: 端到端训练及推断 + 改革区域建议框式目标检测框架 + 实时目标检测 1.1 创新点 (1) 改革了区域建议框式检测框架: RCNN系列均需要生成建议框,在建议框上进行分类与回 ...
目标检测 | YOLO系列超全讲解v1，v2，v3
前言一.YOLOv1 1. 网络结构 2. 实现方法 3. 损失函数 4. 缺点二.YOLOv2 1. 网络结构 2. 改进方法 3. YOLO9000 4. 网络训练细节三.YOLOv3 1. ...
目标检测 YOLO系列算法
文章目录 1. YOLO算法 1.1 Yolo算法思想 1.2 Yolo的网络结构 1.2.1 网络输入 1.2.2 网络输出 1.7X7网格 2x30维向量 1.3 Yolo模型的训练 1.3.1训 ...

目标检测yolo, voc, coco的BBox格式转换

目标检测yolo, voc, coco的BBox格式转换相关推荐

最新文章

热门文章