list_files.py from labelme2coco2 import labelme2coco import os import glob # 获取文件名 file_names = os.listdir("./img2/") json_files = [] new_json_files =
转载
2020-05-08 17:38:00
209阅读
2评论
# -*- coding:utf-8 -*-# !/usr/bin/env pythonimport argparseimport jsonimport matplotlib.pyplot as pltimport skimage.io as ioimport cv2from lalme import utilsimport numpy as npimport globi...
原创
2022-12-07 14:10:02
59阅读
# -*- coding:utf-8 -*- # !/usr/bin/env python import argparse import json import matplotlib.pyplot as plt import skimage.io as io import cv2 from labe
转载
2019-02-26 15:41:00
204阅读
2评论
解决Windows环境下conda切换Python版本报错 NoWritablePkgsDirError: No writeable pkgs directories configured.1. 起因2. 解决2.1 设置环境和包的路径2.2 查看修改 conda 配置2.3 重新取消只读的方法3、号外 1. 起因今天运行一个 flask 项目，报错：AttributeError: module
转载
2024-10-08 10:06:15
116阅读
Labelme分割标注软件0、VOC数据集目录1、环境配置与安装1.1 创建conda虚拟环境(建议)1.2 安装Labelme2、简单使用2.1 创建label标签文件2.2 启动labelme2.3 打开文件/文件夹2.4 设置保存结果路径2.5 标注目标2.6 保存json文件格式3 格式转换3.1 转换语义分割标签3.2 转换实例分割标签 Labelme是一款经典的标注工具，支持目标检测
当地时间10月29日上午，在意大利威尼斯召开的计算机视觉国际顶级会议 International Conference on Computer Vision（ICCV 2017）的 “Joint COCO and Places Recognition Challenge” Workshop 中公布了 COCO 及 Places 竞赛排名情况。在共七项挑战项目中，旷视科技研究院团队（Megvii）参
转载
2024-09-23 06:36:59
87阅读
一、问题描述目标检测算法的漏检，一直是极具挑战性的问题。谈到漏检（low recall），离不开较高的检测精度（high precision）的要求，只有在precision得到保证条件下讨论recall才有意义。下面的讨论主要围绕precision可以接受的条件下，如何进一步提高recall，也就是减少漏检。二、可行方案解决当前基于深度学习的目标检测器的问题，系统地来看，应该分别从数据集、网络架
data = json.load(open(path[i], encoding='UTF-8-sig')) ...
转载
2021-09-22 21:51:00
484阅读
2评论
目前已经实现了下面转换工具，可视化操作，一键转换，适用windows平台。下面是相互转换示意图其中，coco转换voc格式工具voc
原创
2024-10-24 13:44:00
137阅读
前言 本文主要介绍将labelme标注的文件和数据集转换为coco128格式，同时处理数据集可以用于darknet-y
原创
2023-12-19 14:59:16
444阅读
了解Pascal VOC利用深度学习方法如Faster R-CNN或YOLOv3等进行目标检测时需要训练数据集，我们很少会根据自己的数据集格式修改代码，更多的是按照一定格式修改自己的数据格式，而PASCAL VOC为图像识别和分类提供了一整套标准化的数据集，为了方便我们目标检测的进行，可以先来详细的记录一下PASCAL VOC的格式。Pascal VOC数据集下载地址：http://host.ro
转载
2024-06-12 14:17:33
823阅读
# *_* : coding: utf-8 *_*######SS
原创
2023-06-05 21:35:52
579阅读
import ospath = 'C:/Users/tj/Desktop/dd' # path为labelme标注后的.json文件存放的路径json_file = os.listdir(path)for file in json_file: os.system("C:/soft/ev4/venv/
原创
2023-06-15 11:04:02
229阅读
labelme生成mask颜色依次按照如下，默认256种颜色，具体请阅读代码。
原创
2024-10-24 13:58:31
86阅读
前文提到过怎样使用labelme完成照片的标注工作，形成的标注数据为json文件，内部结构大致是这样的：labelme完成的标注框，坐标记录值为x1,y1,x2,y2；而YOLO-V3需要的输入要求的范围值是CX,CY,W,H（即中心点的x、y值及矩形框的宽和高，取值范围为0-1，是相对位置）。所以用labelme标注完数据后，还要先处理一下，让它变成yolo所需要的输入形式。写代码处理一下就成：
pip install -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com labelme
原创
2024-10-14 11:46:07
60阅读
Pascal VOC & COCO数据集介绍 [TOC] Pascal VOC数据集介绍 Annotations ImageSets JPEGImages SegmentationClass SegmentationObject 1. JPEGImages 主要提供的是PASCAL VOC所提供的所
原创
2021-12-29 17:58:39
2065阅读
摘要在目标检测中进入训练前，会有几种不同形式的准备数据，今天就具体的讲解几种常见的数据准备格式，当然，最常用的还是coco数据集形式进入训练。voc coco数据集我们通常提到的voc是07年就有的，有照片和xml文件进行的标注信息，xml是labeling标注之后最原始的保存信息的文件，json是全部提取出来之后形式字典形式的信息，效率比xml快很多。imagesets存储的全部是照片，anno
转载
2023-12-25 09:23:32
96阅读
