图像标注与格式转换指南

在自定义计算机视觉模型中使用Supervisely平台的数据前,需要了解如何将Supervisely的标注数据转换为适合模型的格式。本文将指导如何将Supervisely的JSON格式转换为YOLO Darknet格式,以及其他可能需要的格式。

使用Supervisely进行图像标注

如果手头有未标注的图像,可以使用Supervisely的标注工具来对它们进行标注。也可以考虑使用开源的标注工具,如CVAT、LabelImg、VoTT或LabelMe。提供了关于这些标注平台的优秀指南,包括:

  • 开源标注工具的使用
  • 如何使用CVAT
  • 如何使用LabelImg

在完成图像标注后,可以在Supervisely的“数据集”标签页中找到已标注的数据集。可以通过点击图像下方的三个点,选择“下载为”->“.json + 图像”来导出数据集,以便在Supervisely平台之外的自定义计算机视觉任务中使用。这将下载一个包含所有图像以及Supervisely自定义JSON格式标注文件的.tar文件到计算机。每个图像都会有一个对应的标注文件,文件顶部包含有关图像的元数据,然后是一个标注对象的列表。

{ "description": "", "tags": [], "size": { "height": 1536, "width": 1536 }, "objects": [ { "id": 466098957, "classId": 1549541, "description": "", "geometryType": "rectangle", "labelerLogin": "jacobsolawetz", "createdAt": "2020-06-17T16:56:07.802Z", "updatedAt": "2020-06-17T16:59:10.242Z", "tags": [], "classTitle": "House", "points": { "exterior": [ [ 294, 283 ], [ 398, 376 ] ], "interior": [] } }, // 更多对象... ] }

YOLO Darknet格式简介

YOLO Darknet格式是用于训练YOLOv3、YOLOv4或YOLOv4 tiny的标注格式。这里有一个关于YOLOv4模型的详细讨论。YOLO TXT格式是一个简单的标注格式,每个图像都有一个.txt标注文件,以及一个.labels文件用于类别标签。在_darknet.labels文件中,将整数类别输出映射到类别名称,根据它们在列表中的位置。

从Supervisely转换到YOLO Darknet

可以编写一个脚本来解析Supervisely的标注,并将每个框标准化并打印在标注行上。还需要创建一个类别映射并将其存储为.labels文件。但是,这可能需要一些时间。幸运的是,可以使用Roboflow在两分钟内快速完成转换。首先,通过创建一个免费的Roboflow账户将数据集加载到Roboflow中。然后创建一个新的数据集,上传Supervisely文件夹(解压缩后)。在数据集页面上,选择想要的预处理和数据增强步骤,然后点击“生成”。生成后,可以点击“导出”来输出数据集,并选择YOLO Darknet格式。可以通过.zip文件或curl链接接收导出,以便将数据导入训练环境。

在本指南中,介绍了Supervisely格式和YOLO Darknet格式,并展示了如何将Supervisely标注转换为YOLO Darknet,只需几分钟。本指南应该提供了将Supervisely转换为其他标注格式的必要工具,例如:

  • 将Supervisely转换为TFRecord
  • 将Supervisely转换为Pascal VOC
  • 将Supervisely转换为COCO JSON
  • 将Supervisely转换为YOLOv5 YAML
  • 将Supervisely转换为Amazon Ground Truth Manifest
  • 将Supervisely转换为Google Cloud AutoML
  • 将Supervisely用于Azure Custom Vision
  • 将Supervisely转换为CreateML
沪ICP备2024098111号-1
上海秋旦网络科技中心:上海市奉贤区金大公路8218号1幢 联系电话:17898875485