VIL100数据集处理

VIL100数据集（IMG:image(尺寸（（1080 * 1920），（720 * 1280），（480 * 960），（478 * 960），（448 * 960），（378 * 672），（474 * 960）)，GT：json）

目的：处理成统一尺寸，便于model train.
（基于车道线的消失点裁剪后resize成800 * 320，GT格式包括mask，点格式的line_txt）

import os
import glob
import shutil
import cv2
import json
import numpy as np
path="/VIL100"
file_path="/VIL100/data/train.txt"
img_path="/merge/VIL100/image"
mask_path="/merge/VIL100/mask"
text_path = '/merge/VIL100/line_txt/'
n_0 =0
new_w = 800
new_h = 320
with open(file_path,'r') as f:for line in f:image_name_old = line.split()[0].split('/')[-1]ori_image = cv2.imread(path+line.split()[0])mask_name_old = line.split()[1].split('/')[-1]# read jsonjson_name = path + line.split()[0].replace('JPEGImages', 'Json')+'.json'mask_json = json.load((open(json_name, encoding='utf-8')))anno = mask_json['annotations']['lane']points_list = []for anno_line in anno:points_list.append(np.array(anno_line['points']))if len(anno) == 0:print("@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@kong")print(points_list)continuemask =  cv2.imread(path+line.split()[1],0)Num= np.amax(mask[:,:],axis=0)dice=np.argmax(mask[:,:],axis=0)used_dice=[]for i in range(0,len(dice)):if dice[i]!=0:used_dice.append(dice[i])if len(used_dice)==0:used_dice.append(0)crop_y=np.amin(used_dice)# print(crop_y)img = np.zeros((mask.shape[0]-crop_y, mask.shape[1], 3), np.uint8)img[:mask.shape[0]-crop_y, :, :] = ori_image[crop_y:, ...]mas = np.zeros((mask.shape[0] - crop_y, mask.shape[1], 3), np.uint8)mas[:mask.shape[0] - crop_y, :, 0] = mask[crop_y:, :]mas[:mask.shape[0] - crop_y, :, 1] = mask[crop_y:, :]mas[:mask.shape[0] - crop_y, :, 2] = mask[crop_y:, :]img_new = cv2.resize(img, (new_w, new_h), interpolation=1)mas_new = cv2.resize(mas, (new_w, new_h), interpolation=1)draw_img = img_new.copy()mas_new =np.where(mas_new>0 ,255,0)len_num = len(str(n_0))split_0 = 8 - len_numPublic_name = "0000000000000000000000000000000000000000000000000000000000000000"split_name = Public_name[0:split_0]#Visualization crop and resize for the points of json# for idx, pts in enumerate(points_list):#     for i in range(1, len(pts)):#         x1 = int(pts[i - 1][0]/ori_image.shape[1] * new_w)#         y1 = int((pts[i - 1][1] - crop_y)/(ori_image.shape[0]-crop_y) * new_h)#         x2 = int(pts[i][0]/ori_image.shape[1] * new_w)#         y2 = int((pts[i][1] - crop_y)/(ori_image.shape[0]-crop_y) * new_h)#         cv2.line(draw_img, (x1,y1),#                  (x2,y2), (0,125,45), thickness=4)# plt.figure(dpi=720)# plt.imshow(draw_img, cmap='BrBG_r')# save filesimage_name = 'VIL100' + "_" + split_name + str(n_0)+".png"mask_name = 'VIL100' + "_" + split_name + str(n_0)+".png"txt_name = 'VIL100' + "_" + split_name + str(n_0)+".lines.txt"cv2.imwrite(os.path.join(img_path, image_name), img_new)cv2.imwrite(os.path.join(mask_path, mask_name), mas_new)save_txt_path = os.path.join(text_path, txt_name)with open(save_txt_path, 'w') as fp:lines = ''for pts in(points_list):line = ''for i in range(len(pts)):x = pts[i][0]/ori_image.shape[1] * new_wy = (pts[i][1] - crop_y)/(ori_image.shape[0]-crop_y) * new_hline += f"{x:.2f} {y:.2f} "line+='\n'lines+=line#print(lines)fp.writelines(lines)n_0 = n_0 + 1

VIL100数据集处理相关推荐

VIL-100: 一个新的车道线检测数据集和基线模型（ICCV2021）
作者丨StrongerTang@知乎来源丨https://zhuanlan.zhihu.com/p/411156533 编辑丨3D视觉工坊之前写过一篇车道线检测的综述,得到了一些朋友的认可,也因此 ...
详解车道线检测数据集和模型 VIL-100: A New Dataset and A Baseline Model for Video Instance Lane Detection
本文介绍一个新的车道线数据集 VIL-100 和检测模型 MMA-Net,论文已收录于 ICCV2021,重点是理解本文提出的 LGMA 模块,用于聚合局部和全局记忆特征. 论文链接:https:// ...
车道线检测新工作VIL-100: A New Dataset and A Baseline Model for Video Instance Lane Detection ICCV2021
之前写过一篇车道线检测的综述,得到了一些朋友的认可,也因此结识了几个做车道线检测任务的朋友. 之前的车道线检测综述可以点击阅读: 车道线检测综述及近期新工作 https://blog.csdn.net ...
VIL-100视频车道线实例数据集格式转换
VIL-100车道线数据集数据集简介及下载路径数据集格式转换支持的标签转化格式:1.车道线实例分割标签; 2.车道线实例点集标签(Tusimple标注形式) 数据集相关示例图 - 原图标签可视化 ...
docred数据集情况笔记
20210621 什么是关系事实,核心参考信息实体提及:某个实体在不同句子中出现都叫提及关系事实:就是具有真实关系的实体对? 作者辛苦用人工标注的方式整理了目前最大的基于维基百科的文档级关系抽取 ...
OFRecord 图片文件制数据集
OFRecord 图片文件制数据集在 OFRecord 数据格式和加载与准备 OFRecord 数据集中,分别学习了 OFRecord 数据格式,以及如何将其它数据集转为 OFRecord 数 ...
OFRecord 数据集加载
OFRecord 数据集加载在数据输入一文中知道了使用 DataLoader 及相关算子加载数据,往往效率更高,并且学习了如何使用 DataLoader 及相关算子. 在 OFrecord 数据格式 ...
深度学习数据集定义与加载
深度学习数据集定义与加载深度学习模型在训练时需要大量的数据来完成模型调优,这个过程均是数字的计算,无法直接使用原始图片和文本等来完成计算.因此与需要对原始的各种数据文件进行处理,转换成深度学习模型可 ...
TensorFlowMNIST数据集逻辑回归处理
本节基于回归学习对 MNIST 数据集进行处理,但将添加一些 TensorBoard 总结以便更好地理解 MNIST 数据集. MNIST由https://www.tensorflow.org/get ...

VIL100数据集处理

VIL100数据集（IMG:image(尺寸（（1080 * 1920），（720 * 1280），（480 * 960），（478 * 960），（448 * 960），（378 * 672），（474 * 960）)，GT：json）

VIL100数据集处理相关推荐

最新文章

热门文章