YOLOV8 关键点检测之数据集制作

系统是ubuntu

软件：labelme  (labelImg不可以)

注意一点：左上角点击文件-------取消选中同时保存图像数据---------点击选中自动保存

为了方便寻找标注完的图像，可以自己创一个文件夹，然后修改输出路径

重点是如何把生成的json文件转为yolo需要的txt格式，我这里用的大佬的代码，很简单，两步到位：

1.先把json文件进行分类：分为训练集和验证集

代码：

import os
import shutil
 
from tqdm import tqdm
import random
#此代码为划分json格式的训练文件的
 
""" 使用：只需要修改 1. Dataset_folde，    
                  2. os.chdir(os.path.join(Dataset_folder, 'images'))里的 images,
                  3. val_scal = 0.2
                  4. os.chdir('../label_json')          label_json换成自己json标签文件夹名称   """
 
 
# 图片文件夹与json标签文件夹的根目录
Dataset_folder = r'/home/zdkj/桌面/111'
 
# 把当前工作目录改为指定路径
os.chdir(os.path.join(Dataset_folder, 'images'))   # images ： 图片文件夹的名称
folder = '.'                  # 代表os.chdir(os.path.join(Dataset_folder, 'images'))这个路径
imgs_list = os.listdir(folder)
 
random.seed(123)              # 固定随机种子，防止运行时出现bug后再次运行导致imgs_list 里面的图片名称顺序不一致
 
random.shuffle(imgs_list)     # 打乱
 
val_scal = 0.2                # 验证集比列
val_number = int(len(imgs_list) * val_scal)
val_files = imgs_list[:val_number]
train_files = imgs_list[val_number:]
 
print('all_files:', len(imgs_list))
print('train_files:', len(train_files))
print('val_files:', len(val_files))