COCO KeyPoints關鍵點數據集準備

概述

網上搜了一圈，coco關鍵點數據集準備的內容比較少，這里寫一篇完成的標注流程到數據集準備的文章，以備后忘

標注工具

coco官方標注工具: coco–annotator
https://github.com/jsbroks/coco-annotator

標注過程

這里注意category_id 最好為1 ，否則會有不必要的麻煩 “category_id”: 1

標注流程

1、創建類別
2、 創建關鍵點名稱
3、創建關鍵點之間連線關系
4、選擇一張圖片
5、標注待識別目標識別矩形框
6、在框內標注關鍵點keyPoints
7、標注下一張圖片

標注完成之后， 導出數據集
導出結果在 coco–annotator/datasets/數據集名字/. exports/ 文件夾里


ps: 數據集也可以直接在web頁面上點擊下載

數據集準備

完善數據集

coco數據集標準字段

{"info": info,"licenses": [license],"images": [image],"annotations": [annotation],
}

導出的數據集默認是沒有 info字段和licenses 字段的，所以我們在數據集的json文件（coco-1613789462.5181398.json）自己加上這兩個字段， 如下:

字段如下：

"info": {"contributor": "zyl","date_created": "2021/02/01","description": "human hand keypoints","url": "","version": "1.0","year": 2021},"licenses": [{"id": 1,"name": "Attribution-NonCommercial-ShareAlike License","url": "http://creativecommons.org/licenses/by-nc-sa/2.0/"}]

分割數據集為訓練集和測試集

如下，三個文件放同一個目錄

修改splitCoco.sh 文件中的文件名為自己的json標注文件路徑,運行

./splitCoco.sh

執行 得到訓練集文件和測試集文件

test.json
train.json

圖片文件訓練集和驗證集區分

我們標注的圖像是放在一個文件夾里的，這里需要區分成兩個文件夾 test2017/ 和 train2017/

ps:當然這里最簡單的方法是把所有的圖像分別拷貝到這兩個目錄， 即 test2017/ 和 train2017/ 里面都放所有的標注圖像

分類可以通過pickUsedImg.py這個腳本進行分類，自己改改，這個代碼看不懂這個文章也就不用往下看了。

最終得到的數據集

三個文件夾 annotations/ 、 test2017/ 、 train2017/
test2017 和train2017 分別是測試集和訓練集圖片
其中 annotations/文件夾如下:

計算數據集的mean 和std 值

參照dataset_mean_std.py 文件 路徑修改為自己的數據集圖片全集的目錄
計算出的值如下：

到此，數據集準備完畢

數據集處理所需代碼文件

鏈接: https://pan.baidu.com/s/1CmnnkthOXIjY4ndSRiqQ0g 提取碼: cai9 復制這段內容后打開百度網盤手機App，操作更方便哦
–來自百度網盤超級會員v1的分享

總結

以上是生活随笔為你收集整理的COCO KeyPoints关键点数据集准备的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。