前言
??目标检测数据集的标注格式通常有三种格式：pascal voc、coco、yolo。因此当我们运行开源代码使之用于目标检测时，会遇到开源代码所要求的数据集和我们目前数据集格式不同的问题，修改开源代码耗时耗力，因此通常修改我们的数据集格式使其和开源代码要求的数据集格式相同，本文主要描述如何将yolo v5格式转换为coco格式。
一、yolo v5格式和coco格式解析
1.yolo v5格式
??yolo v5的标注文件格式比较简单，如下图所示：
??每一张图片对应一个.txt文件，每一行表示该图片的一个标注框，该图片有多少标注框就有多少行数据，每一行有五列，分别表示：类别代号、标注框横向的相对中心坐标x_center、标注框纵向的相对中心坐标y_center、标注框相对宽度w、标注框相对高度h。注意x_center、y_center、w、h为真实像素值除以图片的高和宽之后的值。
2.coco格式
??本文所描述的coco格式为标准coco数据集里的object instances格式，coco的坐标信息为(xmin,ymin,w,h)，(xmin,ymin)表示标注框的左上角坐标，这四个值都是绝对值，coco格式的基本信息描述如下：
{
"info": info, #描述数据集的相关信息，内部由字典组成
"licenses": [license], #列表形式，内部由字典组成
"images": [image], #描述图片信息，列表形式，内部由字典组成，字典数量为图片数量
"annotations": [annotation], #描述bounding box信息列表形式，内部由字典组成，字典数量为bounding box数量
"categories": [category] # 描述图片类别信息，列表形式 ，内部由字典组成，字典数量为类别个数
}
??和yolo v5标注文件不同的是，coco标注文件的格式为.json文件，且所有图片的标注信息在一个.json文件里，该json文件由上面描述的字典组成，该字典有五个key，下面将描述每个key对应value的详细信息：
info{
"year": int, #年份
"version": str, #数据集版本
"description": str, #数据集描述
"contributor": str, #数据集的提供者
"url": str, #数据集的下载地址
"date_created": datetime, #数据集的创建日期
}
license{
"id": int,
"name": str,
"url": str,
}
image{
"id": int, #图片标识，相当于图片的身份证
"width": int, #图片宽度
"height": int, #图片高度
"file_name": str, #图片名称，注意不是图片的路径，仅仅是名称
"license": int,
"flickr_url": str, #flicker网络地址
"coco_url": str, #网络地址路径
"date_captured": datetime, #图片获取日期
}
annotation{
"id": int, #bounding box标识，相当于bounding box身份证
"image_id": int, #图片标识，和image中的"id"对应
"category_id": int, #类别id
"segmentation": RLE or [polygon], #描述分割信息，iscrowd=0，则segmentation是polygon格式；iscrowd=1，则segmentation就是RLE格式
"area": float, #标注框面积
"bbox": [x,y,width,height], #标注框坐标信息，前文有描述
"iscrowd": 0 or 1, #是否有遮挡，无遮挡为0，有遮挡为1
}
category{
"id": int, #类别id，注意从1开始，而不是从0开始
"name": str, #类别名称
"supercategory": str, #该类别的超类是什么
}
??上述就是coco数据集的详细解析。
二、代码
??由第一节分析可知，yolo v5格式只有图片名称、类别、bounding box坐标信息，而coco格式的信息更丰富，而开源代码基本也只关注yolo v5格式里所提供的信息，因此我们不必过于纠结coco格式的多余信息。
详细代码及注释信息如下：
import os
import json
import cv2
import random
import time
from PIL import Image
coco_format_save_path='G:\\YOLO5\\DarkDataSet\\train\\' #要生成的标准coco格式标签所在文件夹
yolo_format_classes_path='G:\\YOLO5\\DarkDataSet\\military_object.names' #类别文件，一行一个类
yolo_format_annotation_path='G:\\YOLO5\\DarkDataSet\\train\\labels\\' #yolo格式标签所在文件夹
img_pathDir='G:\\YOLO5\\DarkDataSet\\train\\images\\' #图片所在文件夹
with open(yolo_format_classes_path,'r') as fr: #打开并读取类别文件
lines1=fr.readlines()
# print(lines1)
categories=[] #存储类别的列表
for j,label in enumerate(lines1):
label=label.strip()
categories.append({'id':j+1,'name':label,'supercategory':'None'}) #将类别信息添加到categories中
# print(categories)
write_json_context=dict() #写入.json文件的大字典
write_json_context['info']= {'description': '', 'url': '', 'version': '', 'year': 2021, 'contributor': '', 'date_created': '2021-07-25'}
write_json_context['licenses']=[{'id':1,'name':None,'url':None}]
write_json_context['categories']=categories
write_json_context['images']=[]
write_json_context['annotations']=[]
#接下来的代码主要添加'images'和'annotations'的key值
imageFileList=os.listdir(img_pathDir) #遍历该文件夹下的所有文件，并将所有文件名添加到列表中
for i,imageFile in enumerate(imageFileList):
imagePath = os.path.join(img_pathDir,imageFile) #获取图片的绝对路径
image = Image.open(imagePath) #读取图片，然后获取图片的宽和高
W, H = image.size
img_context={} #使用一个字典存储该图片信息
#img_name=os.path.basename(imagePath) #返回path最后的文件名。如果path以/或\结尾，那么就会返回空值
img_context['file_name']=imageFile
img_context['height']=H
img_context['width']=W
img_context['date_captured']='2021-07-25'
img_context['id']=i #该图片的id
img_context['license']=1
img_context['color_url']=''
img_context['flickr_url']=''
write_json_context['images'].append(img_context) #将该图片信息添加到'image'列表中
txtFile=imageFile[:10]+'.txt' #获取该图片获取的txt文件
with open(os.path.join(yolo_format_annotation_path,txtFile),'r') as fr:
lines=fr.readlines() #读取txt文件的每一行数据，lines2是一个列表，包含了一个图片的所有标注信息
for j,line in enumerate(lines):
bbox_dict = {} #将每一个bounding box信息存储在该字典中
# line = line.strip().split()
# print(line.strip().split(' '))
class_id,x,y,w,h=line.strip().split(' ') #获取每一个标注框的详细信息
class_id,x, y, w, h = int(class_id), float(x), float(y), float(w), float(h) #将字符串类型转为可计算的int和float类型
xmin=(x-w/2)*W #坐标转换
ymin=(y-h/2)*H
xmax=(x+w/2)*W
ymax=(y+h/2)*H
w=w*W
h=h*H
bbox_dict['id']=i*10000+j #bounding box的坐标信息
bbox_dict['image_id']=i
bbox_dict['category_id']=class_id+1 #注意目标类别要加一
bbox_dict['iscrowd']=0
height,width=abs(ymax-ymin),abs(xmax-xmin)
bbox_dict['area']=height*width
bbox_dict['bbox']=[xmin,ymin,w,h]
bbox_dict['segmentation']=[[xmin,ymin,xmax,ymin,xmax,ymax,xmin,ymax]]
write_json_context['annotations'].append(bbox_dict) #将每一个由字典存储的bounding box信息添加到'annotations'列表中
name = os.path.join(coco_format_save_path,"train"+ '.json')
with open(name,'w') as fw: #将字典信息写入.json文件中
json.dump(write_json_context,fw,indent=2)
总结
??以上就是我对目标检测中yolo v5格式和coco格式的理解和代码实现，大家如果有更深层的理解和更好的代码实现可以留言或私信讨论哦。
