【YOLO标签转换】JSON格式标签转换为YOLO格式标签详细教程（附完整代码）
关于作者
作者：小白熊
作者简介：精通python、matlab、c#语言，擅长机器学习，深度学习，机器视觉，目标检测，图像分类，姿态识别，语义分割，路径规划，智能优化算法，数据分析，各类创新融合等等。
联系邮箱：[email protected]
在目标检测任务中，YOLO（You Only Look Once）是一种非常流行的算法。YOLO将目标检测问题转换为回归问题，从而大大提升了检测速度。YOLO格式是一种简洁的数据标注格式，通常用于训练和评估YOLO模型。本文将详细介绍如何将标注数据从JSON格式转换为YOLO格式，并附上详细的Python代码实现。
准备工作
首先，我们需要整理标注数据。每个JSON文件对应一张图片，其中包含了目标的类别和位置信息，并将其放在一个文件夹中。YOLO格式则要求每个目标的信息以“类别ID 中心点x 中心点y 宽度w 高度h”的形式表示，且所有坐标和尺寸都需要归一化到0到1之间。
完整代码
以下是一个Python脚本，用于将JSON格式的标注数据转换为YOLO格式的TXT文件。
import os
import json
from PIL import Image
import warnings
warnings.filterwarnings("ignore")
json_dir = './labels_json/' # JSON文件路径
out_dir = './labels_txt/' # 输出的TXT文件路径
# 确保输出目录存在
if not os.path.exists(out_dir):
os.makedirs(out_dir)
def get_json(json_file, filename):
# 读取JSON文件数据
with open(json_file, 'r') as load_f:
content = json.load(load_f)
image_width = 5568 # 图片的宽
image_height = 3712 # 图片的高
filename_txt = out_dir + filename + '.txt'
# 创建或清空TXT文件
with open(filename_txt, mode="w", encoding="utf-8") as fp:
pass # 创建一个空文件然后关闭
# 类别名称，对应标签序号
name = ['cola', 'pepsi', 'sprite', 'fanta', 'spring', 'ice', 'scream', 'milk', 'red', 'king']
name_class = {
name[i]: i for i in range(len(name))}
con = content['shapes']
# 逐个处理标注信息
for t in con:
num = name_class[t['label']]
point = t['points']
# 计算中心点坐标和宽高（归一化）
x = (((point[1][0] - point[0][0]) / 2) + point[0][0]) / image_width
y = (((point[1][1] - point[0][1]) / 2) + point[0][1]) / image_height
w = (point[1][0] - point[0][0]) / image_width
h = (point[1][1] - point[0][1]) / image_height
# 将计算得到的信息写入TXT文件
file_str = str(num) + ' ' + str(round(x, 6)) + ' ' + str(round(y, 6)) + ' ' + str(round(w, 6)) + \
' ' + str(round(h, 6))
with open(filename_txt, mode="a", encoding="utf-8") as fp:
fp.write(file_str + '\n')
def main():
files = os.listdir(json_dir) # 得到文件夹下的所有文件名称
for file in files: # 遍历文件夹
if file.endswith('.json'): # 只处理JSON文件
filename = file.split('.')[0]
get_json(json_dir + '/' + file, filename)
if __name__ == '__main__':
main()
代码详解
- 导入必要的库：
os：用于文件和目录操作。json：用于读取JSON文件。PIL.Image：虽然在这个脚本中没有直接使用到PIL库，但通常用于图像处理。warnings：用于忽略警告信息，使输出更加清晰。
- 设置目录路径：
json_dir：JSON文件存储的目录。out_dir：输出的TXT文件存储的目录。
- 确保输出目录存在：如果输出目录不存在，则创建它。
- 定义
get_json函数：- 读取JSON文件并解析内容。
- 设置图片的宽度和高度（例子中所有图片的尺寸相同）。
- 定义类别名称和对应的标签序号。
- 遍历标注信息，计算每个目标的中心点坐标和宽高（归一化）。
- 将计算得到的信息写入TXT文件。
- 定义
main函数：- 遍历JSON文件目录，获取所有JSON文件。
- 调用
get_json函数处理每个JSON文件。
- 运行脚本：
- 检查是否是直接运行该脚本，如果是，则调用
main函数。
- 检查是否是直接运行该脚本，如果是，则调用
注意事项
- JSON文件格式：
- JSON文件的格式包含
shapes字段，每个形状包含label和points字段。 label字段表示目标类别，points字段表示目标的矩形框的两个对角点坐标。
- JSON文件的格式包含
- 归一化：
- YOLO格式要求所有坐标和尺寸都需要归一化到0到1之间。
- 归一化公式：
(实际值 - 最小值) / (最大值 - 最小值)。在这里，图片的宽高作为最大值，坐标值作为实际值进行计算。
- 文件操作：
- 在写入TXT文件时，使用
mode="a"模式，以确保每次都是在文件末尾追加内容，而不是覆盖原有内容。
- 在写入TXT文件时，使用
通过这段代码，你可以轻松地将JSON格式的标注数据转换为YOLO格式的TXT文件，从而用于YOLO模型的训练和评估。