yolo数据准备

作者：chenhaoming@openvalley.net

• 本文讲述coco数据处理成yolo格式，并且从OpenImage-V7数据集中补充分类到coco数据集的方法。用到DataHandler目录下的工具。
• coco2yolo.py： 将coco数据集标注文件处理成yolo格式。
• copy_images.py： 批量拷贝图片。
• data_convert.py： 将OpenImage数据集文件处理成yolo格式，并且拷贝图片。
• download_datasets.py： 利用 fiftyone.zoo 下载数据集。 （可以依照下载coco、VOC等数据集）

一、coco数据集预处理

注：本文仅处理coco2017的数据集。

1、下载coco数据集

2、coco数据集预处理

1. 将下载的标注、训练集、验证集压缩文件分别解压。

   cd ~/HDD/datasets_bak/coco
   unzip annotations_trainval2017.zip
   unzip train2017.zip
   unzip val2017.zip

   

    

2. 将训练集、验证集标注处理成yolo格式，保存至目标路径。

   python coco2yolo.py --json_path /home/ai/HDD/datasets_bak/coco/annotations/instances_train2017.json --save_path /home/ai/work/ai_doc/datasets/coco_cc/labels/train
   python coco2yolo.py --json_path /home/ai/HDD/datasets_bak/coco/annotations/instances_val2017.json --save_path /home/ai/work/ai_doc/datasets/coco_cc/labels/val

3. 将训练集、验证集图片拷贝到目标路径

   python copy_images.py --origin /home/ai/HDD/datasets_bak/coco/train2017 --dest /home/ai/work/ai_doc/datasets/coco_cc/images/train
   python copy_images.py --origin /home/ai/HDD/datasets_bak/coco/val2017 --dest /home/ai/work/ai_doc/datasets/coco_cc/images/val

二、补充分类数据

1、定义要补充的分类配置文件 add_classes.json

修改 add_classes.json 文件， 定义要增加的分类。 key是分类名称,value对应模型中的class_id, 由于coco自己要80个分类，所以应该从80的class_id开始添加追加。

{
  "Panda": 80,
  "Piano": 81
}

2、下载需要补充的分类

OpenImage-v7 支持1000个分类， 使用download_datasets.py工具，修改代码常量可以过滤下载所需的分类数据。

DATASET_TYPE = "open-images-v7"                 # 数据集类型
DATASET_ROOT = "/home/ai/HDD/datasets_bak"      # 数据集下载保存的根路径
DOWNLOAD_NAME = "A2OpenImageV7"                 # 数据集下载的目录名称
SPLIT = ['train', 'validation']                 # 数据集数据类型， train、validation、test
LABEL_TYPES = "detections"                      # 数据集标注类型
MAX_SAMPLE = 1000                               # 符合分类过滤条件的最大样本数（download方法中未使用）

运行指令， 从OpenImageV7数据集中下载Panda和Piano分类的目标检测标注训练集和验证集，保存至/home/ai/HDD/datasets_bak/A2OpenImageV7目录。

python download_datasets.py

3、预处理数据成yolo格式 （已集成至downlaod_datasets.py中）

download_datasets.py代码中， 已经执行了调用data_conver.py工具。 即：

dc.convert(os.path.join(DATASET_ROOT, f"{DOWNLOAD_NAME}"), CLASSES, CUSTOM_DATA_NAME, split)

3、创建新的数据yaml文件

复制 /ai_doc/yolov5-master/data/coco.yaml，更名为 coco_cc.yaml。 path修改为（数据集根目录）： /ai_doc/datasets/CUSTOM_DATA_NAME train修改为（训练集）： images/train val修改为（验证集）： images/val test（测试集）， 不需要 names(分类名称)， 根据add_classes.json配置文件追加新增加的分类id和分类名称

names:
  ……
  ……
  80: Panda
  81: Piano