labelme2Datasets

发表于 更新于 分类于
用于将LabelMe标注好的数据转换为VOC格式和COCO格式的数据集。

自己的写的一组转换脚本。偷懒，直接将README拷贝过来了。

代码地址：labelme2Datasets

LOGO

数据集转换脚本（工具向）

News: 最近开始论文实验，需要重新整理一下数据集，顺便整理一下这个代码仓库。

简介

仓库中的脚本用于将Labelme标注的数据转换为PASCAL VOC格式或MS COCO格式的标准数据集，便于直接利用现有的训练框架进行训练。

标注工具和常见的两种数据集格式

Labelme是我用的标注工具，对图像进行多种类型的标注，可以直接得到json文件。GitHub地址如下：

labelme: Image Polygonal Annotation with Python

PASCAL-VOC和MS-COCO是两个大型的开源数据集，其数据集的标注形式成为了通用的标注方式，常见的视觉模型的训练框架都支持这两种格式的读取，将自己的数据集转换为这两种标注方式，可以避免修改读取数据的代码。

两种数据集和标注格式的介绍：

目标检测数据集PASCAL VOC简介

目标检测数据集MSCOCO简介

仓库中的代码文件

  • labelme_json_to_dataset.py：演示如何将单个labelme标注的json文件转换为单张图像的数据集。

    用法 python labelme_json_to_dataset.py [-h] [-o OUT] json_file

    举例 python labelme_json_to_dataset.py test/test_single.json -o test/test_single

  • bbox_labelme2voc.py：批量处理labelme标注的json文件，转换成VOC格式的数据集。

  • split_dataset.py：将VOC数据集中的样本按照比例，分割成训练集和测试集。

  • voc_xml2coco_json.py：将VOC数据集转换为COCO数据集。

  • segmentation_labelme2voc.py：将labelme标注的json文件转换为VOC文件下下的语义分割标注文件。三种类型，.npy，.png和可视化图像。

  • voc_category_statics_and_smiple_oversampling.py：统计VOC数据集的标注数目，并进行简单的过采样处理。过采样的方法有点简单的，可以用一些过采样算法替代。

  • utils.py: 内置一些简单的转换函数。

安装

labelme: 

1
2
3
4
# python3
conda create --name=labelme python=3.6
conda activate labelme
conda install labelme

其他工具：

1
2
3
4
conda install progressbar2    # 进度条
conda install scikit-learn  # 用于分割数据集 
conda install xmltodict	
conda install lxml

拓展

仓库中的脚本只针对目前本人已有数据的转换，如果有实例分割、语义分割或视频标注等数据，可以参考labelme提供的示例代码进行修改，示例代码演示了这类标注文件如何转换成VOC格式数据集：

https://github.com/wkentaro/labelme/tree/master/examples

使用流程

步骤一：使用Labelme标注数据集

  • 标注得到一批json文件
  • 准备好label_names.txt，包含数据集的目标标签，可参考test/label_names.txt
  • 如果有需要进行标签名称转换的，准备好label_dict.txt ，可参考test/label_dict.txt

步骤二：转换为VOC风格的数据集

用法：

python bbox_labelme2voc.py --labels LABELS [--label_dict LABEL_DICT] input_dir output_dir

  • LABELS：label_names.txt
  • LABEL_DICT：label_dict.txt
  • input_dir ：json标注文件所在文件夹
  • output_dir：VOC数据集文件夹

举例：

python bbox_labelme2voc.py --labels test/label_names.txt label_dict test/label_dict.txt test/test_jsons test/test_voc

步骤三：分割训练集和测试集

用法：

python split_dataset.py [--random_state RANDOM_STATE] voc_dir test_ratio

  • voc_dir：VOC数据集根目录，脚本创建
  • test_ratio：测试集比例
  • RANDOM_STATE：随机数种子

训练集和测试集文件在ImageSets/Main文件夹下。

举例：

python split_dataset.py test/test_voc 0.35

步骤四：将VOC数据集转换为COCO数据集

用法：

python voc_xml2coco_json.py voc_dir voc_split coco_dir anno_file

  • voc_dir ：VOC数据集根目录
  • voc_split：训练集或测试集文件名称，例如train或test
  • coco_dir：COCO数据集根目录，脚本创建
  • anno_file：与训练集或测试集对应的COCO数据集Json标注文件，保存在coco_dir/annotations文件夹下。

举例：

python voc_xml2coco_json.py test/test_voc train test/test_coco train.json

自选步骤：Labelme文件转换为语义分割标注数据集

用法：

python segmentation_labelme2voc.py seg_labels_file jsons_dir voc_dir

  • seg_labels_file ：与标注对应的标签文件
  • jsons_dir：包含标注文件的文件夹
  • voc_dir：目标文件夹

举例：

python segmentation_labelme2voc.py test/label_names.txt test/test_jsons test/test_voc

自选步骤：统计VOC数据集，并进行简单过采样处理

用法：

python voc_category_statics_and_smiple_oversampling.py [--save_name SAVE_NAME] voc_dir set

  • voc_dir：VOC数据集根目录
  • set：数据集名字，比如train，在voc_dir/ImageSets/Main文件夹下
  • SAVE_NAME：过采样后的数据集保存文件。将保存在voc_dir/ImageSets/Main文件夹下