第五篇：如何标注并生成mmpose关键点检测的自定义数据集

刚哥吧

已于 2022-09-18 22:37:11 修改

阅读量8.8k

点赞数 4

CC 4.0 BY-SA版权

分类专栏：关键点检测干货分享文章标签： mmpose 自定义数据集标注关键点检测

于 2022-05-01 10:38:16 首次发布

本文链接：https://blog.csdn.net/qq_42308217/article/details/124445993

关键点检测干货分享专栏收录该内容

14 篇文章 ¥299.90 ¥399.90

订阅专栏

本文介绍了如何使用labelme工具为mmpose创建自定义的关键点检测数据集，包括标注过程、关键点顺序、遮挡情况处理，以及将json转换为COCO格式的标注文件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在利用关键点检测任务时，如何给自己的图像数据做keypoints标注，是一个难点。目前主要有以下两个方法：

对于单个目标的的keypoint标注，可以先用labelme标注点，然后用python把labelme的json格式转换为coco的json。注：labelme不支持x，y，v格式(下面会说)。
对于多个目标的的keypoint标注，一般是使用coco-annonate工具。

COCO数据集的关键点标注字段如下

annotation{
    "keypoints": [x1,y1,v1,...],  #关键点坐标及标志位 v 
    "num_keypoints": int,    #关键点数量（要求v>0）
    "id": int,
    "image_id": int,    #图像id号，对应图像的文件名
    "category_id": int, #只有一个类别，所以为1
    "segmentation": RLE or [polygon],  #iscrowd 为 0 时是polygon格式，为1时是 RLE格式,代表分割图（用多边形框出人体）
    "a

了解本专栏