yolo-seg-label

[toc]

介绍

yolov5-v7.0版本的分割标签制作工具.

使用labelme给图片打的分割标签是json格式的,但是yolov5-v7.0分割用的标签是txt格式的,并且和传统yolo的标签格式并不相同,所以才有了本项目.本项目可以实现由json转换成txt,从而适合于使用yolov5-v7.0进行训练.具体的数据格式可以参考我的博客.

更多内容可以查看我的yolo专栏,目前还刚开始写.

架构

分成两个脚本:

• json到txt的转换脚本: transform_label.py
• 分数据集脚本: transform_label.py

transform_label.py 使用说明

1. 路径json_path就是根据labelme生成的json格式标签文件所在目录.
2. 路径yoloseg_txt_label是生成的适合于yolov5-seg的标签文件所在目录.

dateset_make.py 使用说明

这个程序主要是根据原始数据和标签,分成训练集,测试集和验证集.具体方法主要是由函数cut_dataset实现

def cut_dataset(type_,idx,dataset_images_path):
    """根据图片截取数据集
    Args:
        type_: 数据值类型
        idx (list): 索引区间  例如[0,1000]表示0~1000帧
        dataset_root_path (str): 图片存储的根目录name
        
    """
    new_path=dataset_images_path + "/" +type_
    origin_path=dataset_images_path + "/origin/" 
    if not os.path.exists(new_path):
        os.mkdir(new_path)
    for file in os.listdir(origin_path):
        name = file.split(".")[0]
        if float(name) >=idx[0] and  float(name) < idx[1] :
            mycopyfile(origin_path+"/"+file,new_path)

• 关于路径设置:

1. 原始图片需要存放在$root_path/images/origin中,后面的/images/origin不可以改变,前面的root_path根据自己的位置修改.
2. 原始标签需要存放在$root_path/labels/origin中,后面的/labels/origin不可以改变,前面的root_path根据自己的位置修改.
3. 训练集图片需要存放在$root_path/images/train
4. 测试集图片需要存放在$root_path/images/test
5. 验证集图片需要存放在$root_path/images/val
6. 训练集标签需要存放在$root_path/labels/train
7. 测试集标签需要存放在$root_path/labels/test
8. 验证集标签需要存放在$root_path/labels/val

版本说明

2022.12.04 :

• json到txt的转换脚本: transform_label.py
• 分数据集脚本: transform_label.py