深度学习之目标检测从入门到精通—

记录点：

import json
import osname2id = {'person':0,'helmet':1,'Fire extinguisher':2,'Hook':3,'Gas cylinder':4}def convert(img_size, box):dw = 1./(img_size[0])dh = 1./(img_size[1])x = (box[0] + box[2])/2.0 - 1y = (box[1] + box[3])/2.0 - 1w = box[2] - box[0]h = box[3] - box[1]x = x*dww = w*dwy = y*dhh = h*dhreturn (x,y,w,h)def decode_json(json_floder_path,json_name):txt_name = 'E:\\eclipse-workspace\\PyTorch\\PyTorch-YOLOv3\\data\\custom\\labels\\' + json_name[0:-5] + '.txt'txt_file = open(txt_name, 'w')json_path = os.path.join(json_floder_path, json_name)data = json.load(open(json_path, 'r', encoding='gb2312'))img_w = data['imageWidth']img_h = data['imageHeight']for i in data['shapes']:label_name = i['label']if (i['shape_type'] == 'rectangle'):x1 = int(i['points'][0][0])y1 = int(i['points'][0][1])x2 = int(i['points'][1][0])y2 = int(i['points'][1][1])bb = (x1,y1,x2,y2)bbox = convert((img_w,img_h),bb)txt_file.write(str(name2id[label_name]) + " " + " ".join([str(a) for a in bbox]) + '\n')if __name__ == "__main__":json_floder_path = 'G:\\sinopec\\label-data-test\\json'json_names = os.listdir(json_floder_path)for json_name in json_names:decode_json(json_floder_path,json_name)
解读成博客，并附上关键代码

功能解析

JSON格式的标记文件中提取对象检测数据，并将其转换为适合训练YOLO模型的格式。主要功能包括读取标记信息，转换坐标系统，并生成对应的文本文件保存处理后的数据。以下是详细的解读和关键代码部分。

导入必要的模块

import json
import os

标签到ID的映射

定义字典name2id，用于将对象的名称映射到一个唯一的ID。

name2id = {'person':0, 'helmet':1, 'Fire extinguisher':2, 'Hook':3, 'Gas cylinder':4}

坐标转换函数

定义了convert函数，将标注的坐标转换为归一化坐标。这个步骤是因为YOLO模型需要归一化的边界框坐标作为输入。

def convert(img_size, box):dw = 1./(img_size[0])dh = 1./(img_size[1])x = (box[0] + box[2])/2.0 - 1y = (box[1] + box[3])/2.0 - 1w = box[2] - box[0]h = box[3] - box[1]x = x*dww = w*dwy = y*dhh = h*dhreturn (x,y,w,h)

JSON解码和文件写入

decode_json函数负责读取JSON文件，解析其中的对象标注数据，并使用convert函数转换坐标。然后，它将转换后的坐标写入新的文本文件中。

def decode_json(json_floder_path, json_name):txt_name = 'E:\\...\\' + json_name[0:-5] + '.txt'txt_file = open(txt_name, 'w')json_path = os.path.join(json_floder_path, json_name)data = json.load(open(json_path, 'r', encoding='gb2312'))img_w = data['imageWidth']img_h = data['imageHeight']for i in data['shapes']:if i['shape_type'] == 'rectangle':x1 = int(i['points'][0][0])y1 = int(i['points'][0][1])x2 = int(i['points'][1][0])y2 = int(i['points'][1][1])bb = (x1,y1,x2,y2)bbox = convert((img_w, img_h), bb)txt_file.write(str(name2id[i['label']]) + " " + " ".join([str(a) for a in bbox]) + '\n')

主函数

给定文件夹中的所有JSON文件，并对每个文件调用decode_json函数处理。

if __name__ == "__main__":json_floder_path = 'G:\\sinopec\\label-data-test\\json'json_names = os.listdir(json_floder_path)for json_name in json_names:decode_json(json_floder_path, json_name)