具体的网站建设,单一产品企业或多元化产品企业的网站建设与策划有什么不同?,制作一个网站需要多长时间,欧米茄官网网站目录
1. 修改源码#xff0c;让模型能够生成出对于单个图像的标注。
2. 把数据转为yolo格式
3.把yolo格式转化为xml格式 这两天想偷懒#xff0c;想让模型先在数据上标一遍#xff0c;然后我再做修正#xff0c;主要是图个省事。由于我们主要是利用paddle,模型也是基于p…目录
1. 修改源码让模型能够生成出对于单个图像的标注。
2. 把数据转为yolo格式
3.把yolo格式转化为xml格式 这两天想偷懒想让模型先在数据上标一遍然后我再做修正主要是图个省事。由于我们主要是利用paddle,模型也是基于paddle推理的因此即便我对paddle有一万个吐槽但也不得不用它。但在利用paddle保存推理结果文件时遇到了一个大问题就是paddle推理出来的所有数据都在同一个json文件并且导入labelimg中也不能正常的显示到标注的框不能对数据进行矫正。因此我就想着在代码中间能不能修改某些内容。
如果你是真想把json文件转化为yolo或者xml的话那哥们儿你的思路走窄了从json里面分离出那么多垃圾消息出来很难的 !!!
接下来介绍一下我的做法
1. 修改源码让模型能够生成出对于单个图像的标注。
首先就是修改源码对应的文件为 PaddleDetection/ppdet/engine/trainer.py 。
添加下述代码
class_label[背景,添加你的检测物品标签]
def save_result_txt(save_path,boxs,threshold0.5):#,tszie640,osize608with open(save_path,w) as f:for msg in boxs:if msg[score]threshold:bboxmsg[bbox]x1,y1,w,hbboximg_m Image.open(dataset/yz_new_0815/data/0.5data/save_path.split(/)[-1].replace(txt,jpg))# dw 1./img_m.width # 图片的宽# dh 1./img_m.height # 图片的高print(save_path)# returnbboxnp.array([x1,y1,x1w,y1h])#bboxbbox*(tszie/osize)bboxbbox.astype(np.int32)x1,y1,x2,y2bbox# strs%s %s %s %s %s %s\n%(class_label[msg[category_id]],msg[score],x1,y1,x2,y2)strs%s %s %s %s %s\n%(msg[category_id],x1,y1,x2,y2)f.write(strs) 之后在命令行中令save_result为True就能保存推理的结果了。从代码中可以看出得到的数据就是四个点的坐标非常真诚不想yolo那种还得归一化或者相对长宽啥的。讲真的我就听喜欢四个点坐标这种格式的真诚永远是必杀技。但是没办法我目前好像没见有这种格式的。
2. 把数据转为yolo格式
书接上回上回说到我们已经把数据变成yolo的形式而非格式因为我们没有对数据进行一个归一化的处理。因此在这一回我们把数据归一化得到yolo格式的数据。代码如下
# -*- coding:utf-8 -*-
# 作用
# 将图片标注文件转化成yolo格式的txt标注文件
#
#
import sys
import os
import cv2
import randomdata_base_dir ./20221210_result/ # 这里就是推理出来的yolo形式的数据姑且叫position数据文件所在的文件夹file_list []for file in os.listdir(data_base_dir):if file classes.txt:continueif file.endswith(.txt):# print(file)img_name file[:-4]print(file)# print(file[:-4]) #得到图片名不带后缀imginfo cv2.imread(图像所在位置文件夹 img_name .jpg).shape# h shape[0] w shape[1]raw_file open(data_base_dir file) # 返回一个文件对象print(raw_file is data_base_dir file)new_file open(yolo格式标注文件位置文件夹 file, a)line raw_file.readline() # 调用文件的 readline()方法while line:print(line)line line.split( )print(line[1])# line[0] float(line[0])x1 float(line[1])print(x1)y1 float(line[2])x2 float(line[3])y2 float(line[4])h imginfo[0]w imginfo[1]print(h str(h))print(w str(w))new_x %.6s % ((x1 x2) / (2 * w))new_y %.6s % ((y1 y2) / (2 * h))new_w %.6s % ((x2 - x1) / w)new_h %.6s % ((y2 - y1) / h)new_file.write(line[0] new_x new_y new_w new_h \n)print(line[0] new_x new_y new_w new_h \n)# print line # 后面跟 , 将忽略换行符# print(line, end ) # 在 Python 3 中使用line raw_file.readline()
new_file.close()
raw_file.close()
到这一步如果不出意外的话我们就已经把position数据转化为了yolo数据。但是如果你打开labelimg你会发现报错了报错的原因是没有classes.txt文件。因此在yolo格式中一定要加上一个classes.txt文件要不然就会报错。
一定要加上一个classes.txt文件要不然就会报错。
一定要加上一个classes.txt文件要不然就会报错。
一定要加上一个classes.txt文件要不然就会报错。
重要的事情说三遍哈已经四遍了哈哈哈。 3.把yolo格式转化为xml格式
上回说到我们已经把position数据转化成了yolo格式但是paddle这个挨千刀的不支持yolo格式训练至少在现在还没有对应的yaml文件。因此要是真的把数据调好了用yolo格式还是没用因为根本训练不了。这就提到了把yolo格式转化为xml格式的必要性了。代码如下
import os
import xml.etree.ElementTree as ET
from xml.dom.minidom import Document
import cv2
import xml
xml.dom.minidom.Document().writexml()
def writexml(self,writer: Any,indent: str ,addindent: str ,newl: str ,encoding: Any None) - None
class YOLO2VOCConvert:def __init__(self, txts_path, xmls_path, imgs_path):self.txts_path txts_path # 标注的yolo格式标签文件路径self.xmls_path xmls_path # 转化为voc格式标签之后保存路径self.imgs_path imgs_path # 读取读片的路径各图片名字存储到xml标签文件中self.classes [添加你的检测物品标签]# 从所有的txt文件中提取出所有的类别 yolo格式的标签格式类别为数字 0,1,...# writer为True时把提取的类别保存到./Annotations/classes.txt文件中def search_all_classes(self, writerFalse):# 读取每一个txt标签文件取出每个目标的标注信息all_names set()txts os.listdir(self.txts_path)# 使用列表生成式过滤出只有后缀名为txt的标签文件txts [txt for txt in txts if txt.split(.)[-1] txt and txt is not classes.txt]print(len(txts), txts)# 11 [0002030.txt, 0002031.txt, ... 0002039.txt, 0002040.txt]for txt in txts:txt_file os.path.join(self.txts_path, txt)with open(txt_file, r) as f:print(txt_file)objects f.readlines()for object in objects:object object.strip().split( )print(object) # [2, 0.506667, 0.553333, 0.490667, 0.658667]all_names.add(int(object[0]))# print(objects) # [2 0.506667 0.553333 0.490667 0.658667\n, 0 0.496000 0.285333 0.133333 0.096000\n, 8 0.501333 0.412000 0.074667 0.237333\n]print(所有的类别标签, all_names, 共标注数据集%d张 % len(txts))return list(all_names)def yolo2voc(self):# 创建一个保存xml标签文件的文件夹if not os.path.exists(self.xmls_path):os.mkdir(self.xmls_path)# 把上面的两个循环改写成为一个循环imgs os.listdir(self.imgs_path)txts os.listdir(self.txts_path)txts [txt for txt in txts if not txt.split(.)[0] classes] # 过滤掉classes.txt文件print(txts)# 注意这里保持图片的数量和标签txt文件数量相等且要保证名字是一一对应的 (后面改进通过判断txt文件名是否在imgs中即可)if len(imgs) len(txts): # 注意./Annotation_txt 不要把classes.txt文件放进去map_imgs_txts [(img, txt) for img, txt in zip(imgs, txts)]txts [txt for txt in txts if txt.split(.)[-1] txt]print(len(txts), txts)for img_name, txt_name in map_imgs_txts:# 读取图片的尺度信息print(读取图片, img_name)img cv2.imread(os.path.join(self.imgs_path, img_name))height_img, width_img, depth_img img.shapeprint(height_img, width_img, depth_img) # h 就是多少行对应图片的高度 w就是多少列对应图片的宽度# 获取标注文件txt中的标注信息all_objects []txt_file os.path.join(self.txts_path, txt_name)with open(txt_file, r) as f:objects f.readlines()for object in objects:object object.strip().split( )all_objects.append(object)print(object) # [2, 0.506667, 0.553333, 0.490667, 0.658667]# 创建xml标签文件中的标签xmlBuilder Document()# 创建annotation标签也是根标签annotation xmlBuilder.createElement(annotation)# 给标签annotation添加一个子标签xmlBuilder.appendChild(annotation)# 创建子标签folderfolder xmlBuilder.createElement(folder)# 给子标签folder中存入内容folder标签中的内容是存放图片的文件夹例如JPEGImagesfolderContent xmlBuilder.createTextNode(self.imgs_path.split(/)[-1]) # 标签内存folder.appendChild(folderContent) # 把内容存入标签annotation.appendChild(folder) # 把存好内容的folder标签放到 annotation根标签下# 创建子标签filenamefilename xmlBuilder.createElement(filename)# 给子标签filename中存入内容filename标签中的内容是图片的名字例如000250.jpgfilenameContent xmlBuilder.createTextNode(txt_name.split(.)[0] .jpg) # 标签内容filename.appendChild(filenameContent)annotation.appendChild(filename)# 把图片的shape存入xml标签中size xmlBuilder.createElement(size)# 给size标签创建子标签widthwidth xmlBuilder.createElement(width) # size子标签widthwidthContent xmlBuilder.createTextNode(str(width_img))width.appendChild(widthContent)size.appendChild(width) # 把width添加为size的子标签# 给size标签创建子标签heightheight xmlBuilder.createElement(height) # size子标签heightheightContent xmlBuilder.createTextNode(str(height_img)) # xml标签中存入的内容都是字符串height.appendChild(heightContent)size.appendChild(height) # 把width添加为size的子标签# 给size标签创建子标签depthdepth xmlBuilder.createElement(depth) # size子标签widthdepthContent xmlBuilder.createTextNode(str(depth_img))depth.appendChild(depthContent)size.appendChild(depth) # 把width添加为size的子标签annotation.appendChild(size) # 把size添加为annotation的子标签# 每一个object中存储的都是[2, 0.506667, 0.553333, 0.490667, 0.658667]一个标注目标for object_info in all_objects:# 开始创建标注目标的label信息的标签object xmlBuilder.createElement(object) # 创建object标签# 创建label类别标签# 创建name标签imgName xmlBuilder.createElement(name) # 创建name标签# print(len(self.classes))imgNameContent xmlBuilder.createTextNode(self.classes[int(object_info[0])])imgName.appendChild(imgNameContent)object.appendChild(imgName) # 把name添加为object的子标签# 创建pose标签pose xmlBuilder.createElement(pose)poseContent xmlBuilder.createTextNode(Unspecified)pose.appendChild(poseContent)object.appendChild(pose) # 把pose添加为object的标签# 创建truncated标签truncated xmlBuilder.createElement(truncated)truncatedContent xmlBuilder.createTextNode(0)truncated.appendChild(truncatedContent)object.appendChild(truncated)# 创建difficult标签difficult xmlBuilder.createElement(difficult)difficultContent xmlBuilder.createTextNode(0)difficult.appendChild(difficultContent)object.appendChild(difficult)# 先转换一下坐标# (objx_center, objy_center, obj_width, obj_height)-(xminymin, xmax,ymax)x_center float(object_info[1]) * width_img 1y_center float(object_info[2]) * height_img 1xminVal int(x_center - 0.5 * float(object_info[3]) * width_img) # object_info列表中的元素都是字符串类型yminVal int(y_center - 0.5 * float(object_info[4]) * height_img)xmaxVal int(x_center 0.5 * float(object_info[3]) * width_img)ymaxVal int(y_center 0.5 * float(object_info[4]) * height_img)# 创建bndbox标签(三级标签)bndbox xmlBuilder.createElement(bndbox)# 在bndbox标签下再创建四个子标签(xminymin, xmax,ymax) 即标注物体的坐标和宽高信息# 在voc格式中标注信息左上角坐标xmin, ymin xmax, ymax右下角坐标# 1、创建xmin标签xmin xmlBuilder.createElement(xmin) # 创建xmin标签四级标签xminContent xmlBuilder.createTextNode(str(xminVal))xmin.appendChild(xminContent)bndbox.appendChild(xmin)# 2、创建ymin标签ymin xmlBuilder.createElement(ymin) # 创建ymin标签四级标签yminContent xmlBuilder.createTextNode(str(yminVal))ymin.appendChild(yminContent)bndbox.appendChild(ymin)# 3、创建xmax标签xmax xmlBuilder.createElement(xmax) # 创建xmax标签四级标签xmaxContent xmlBuilder.createTextNode(str(xmaxVal))xmax.appendChild(xmaxContent)bndbox.appendChild(xmax)# 4、创建ymax标签ymax xmlBuilder.createElement(ymax) # 创建ymax标签四级标签ymaxContent xmlBuilder.createTextNode(str(ymaxVal))ymax.appendChild(ymaxContent)bndbox.appendChild(ymax)object.appendChild(bndbox)annotation.appendChild(object) # 把object添加为annotation的子标签f open(os.path.join(self.xmls_path, txt_name.split(.)[0] .xml), w)xmlBuilder.writexml(f, indent\t, newl\n, addindent\t, encodingutf-8)f.close()if __name__ __main__:# 把yolo的txt标签文件转化为voc格式的xml标签文件# yolo格式txt标签文件相对路径txts_path1 # 转化为voc格式xml标签文件存储的相对路径xmls_path1 # 存放图片的相对路径imgs_path1 yolo2voc_obj1 YOLO2VOCConvert(txts_path1, xmls_path1, imgs_path1)labels yolo2voc_obj1.search_all_classes()print(labels: , labels)yolo2voc_obj1.yolo2voc()如果你嫌列表要一点一点写类别太麻烦了可以用这种方式(classes.txt就是前面提到的类别文本)
cls []
cnt 0
for i in open(txtPath classes.txt, r, encodingutf-8).readlines():cls.append(i)
至此就可以把paddle里面图里的数据转化为xml格式了。
