qq_38253797的博客

检查数据集

这里写目录标题一、效果图二、代码一、效果图二、代码import cv2import mathimport numpy as npimport osimport globimport jsonimport shutilimport xml.etree.ElementTree as ETfrom xml.etree.ElementTree import ElementTree, Elementdef getRotatedImg(Pi_angle,img_path,img_write_

目录一、效果图二、代码一、效果图二、代码import cv2import mathimport numpy as npimport osimport globimport jsonimport shutilimport xml.etree.ElementTree as ETfrom xml.etree.ElementTree import ElementTree, Elementdef getColorImg(alpha,beta,img_path,img_write_path)

目录一、效果图二、代码一、效果图二、代码import cv2import mathimport numpy as npimport osimport globimport jsonimport shutilimport xml.etree.ElementTree as ETfrom xml.etree.ElementTree import ElementTree, Elementdef h_MirrorImg(img_path,img_write_path): img =

def create_txt(file_path): for i in range(100, 299): file_full_name = file_path + '/mix_' + str(i) + '.txt' file = open(file_full_name, 'w') file.close()create_txt(r'I:\forest\hive_mix\labels')

import osimport randomimport shutil# --------------------------全局地址变量--------------------------------#master_root = os.path.abspath(os.path.join(os.getcwd(), "../../")) # 'I:\\hive-master'data_root = os.path.join(master_root, "datasets") # 'I:\\hi

import xml.etree.ElementTree as ETimport osdef reLabelName(old_xml_path, new_xml_path, new_label): # 判断路径是否存在 if os.path.exists(old_xml_path): # 获取该目录下所有文件，存入列表中 fileList = os.listdir(old_xml_path) if len(fileList) >

目录一、数据集相关二、数据增强三、其他一、数据集相关【批量修改文件名】.【划分训练集、验证集和测试集】.【数据集格式转换xml2txt】.【数据集格式转换txt2json】.【统计数据集GT的分布情况】.【分析数据集各类GT数量分布】.二、数据增强【copy_paste数据增强】.三、其他...

txt2.json.pyimport mmcvimport os.path as ospimport osdef convert_txt_to_json(ann_file, out_file, image_prefix): """ Args: ann_file: 标注文件 如：train.txt 里面保存了所有的训练图片（标签）文件名 如：20210819B000001 out_file: 输出json格式文件名 这里根据自己的数据集位置做调整 如

xml2txt"""功能1.根据train.txt和val.txt将voc数据集标注信息(.xml)转为yolo标注格式(.txt)，生成dataset文件（train+val）"""import osfrom tqdm import tqdmfrom lxml import etreeimport jsonimport shutilfrom os.path import *# --------------------------全局地址变量---------------------

数据集的文件位置：执行这个脚本后将在ImageSets中生成train.txt和val.txt文件："""这个脚本从Annotations中随机划分训练集和测试集，最终生成ImagesSet/train.txt和val.txt"""import osimport randomfrom os.path import *# --------------------------全局地址变量--------------------------------#dir_path = dirnam

这个脚本是一个数据增强类。理论知识来自这篇论文：[Augmentation for small object detection](Augmentation for small object detection).import numpy as npimport randomimport cv2class copy_paste(object): def __init__(self, thresh=32*32, prob=0.5, copy_times=3, epochs=30, all_o

# 1、统计数据集中小、中、大 GT的个数# 2、统计某个类别小、中、大 GT的个数# 3、统计数据集中ss、sm、sl GT的个数import osfrom pathlib import Pathimport matplotlib.pyplot as plt# 设置中文字体为微软雅黑plt.rcParams['font.sans-serif'] = 'SimHei'def getGtAreaAndRatio(label_dir): """ 得到不同尺度的gt框个数

import osfrom pathlib import Pathimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns# 设置中文字体为微软雅黑plt.rcParams['font.sans-serif'] = 'SimHei'def getTxtAndNum(label_dir, label_start_num, class_num, select_num): """ 获得所有指定类

import os## 标题import shutildef reName(oldPath, newPath): # 判断路径是否存在 if os.path.exists(oldPath): # 获取该目录下所有文件，存入列表中 fileList = os.listdir(oldPath) n = 0 for i in fileList: # 设置旧文件名（就是路径+文件名）