Skip to main content
 首页 » 编程设计

python之从 labelme json 文件创建 tfrecord

2024年12月31日7oomusou

我想创建一个对象检测神经网络,从一些具有特殊形状的特殊项目和有限 相对较小图像数据集。为此我使用了labelme 由于对象的形状,我认为多边形标签比普通的拳击标签表现更好。 我想使用一个来自 coco Tensorflow 检测模型的预训练模型,但我努力从 json 文件创建 tfrecord 文件。正如您在下面看到的,它包括多边形和圆形 shape_type。提前感谢您的帮助。 如果您知道如何将它转换为 tfrecord 或一些替代的标记程序,这些程序可以更好地解决我的问题,请告诉我,如果它解决了我的问题,我会重新标记我的图像。 json 文件例如:

    { 
  "version": "3.5.0", 
  "flags": {}, 
  "shapes": [ 
    { 
      "label": "polygon", 
      "line_color": null, 
      "fill_color": null, 
      "points": [ 
        [ 
          447, 
          110 
        ], 
        [ 
          491, 
          63 
        ], 
        [ 
          531, 
          47 
        ], 
        [ 
          559, 
          79 
        ], 
        [ 
          544, 
          121 
        ], 
        [ 
          532, 
          128 
        ], 
        [ 
          536, 
          139 
        ], 
        [ 
          516, 
          148 
        ], 
        [ 
          497, 
          174 
        ] 
      ], 
      "shape_type": "polygon" 
    }, 
    { 
      "label": "circle", 
      "line_color": null, 
      "fill_color": null, 
      "points": [ 
        [ 
          403, 
          317 
        ], 
        [ 
          377, 
          262 
        ] 
      ], 
      "shape_type": "circle" 
    } 
  ], 
  "lineColor": [ 
    0, 
    255, 
    0, 
    128 
  ], 
  "fillColor": [ 
    255, 
    0, 
    0, 
    128 
  ], 
  "imagePath": "teszt.jpg", 
  imageData ...(long data)  

请您参考如下方法:

从 JSON 文件的外观来看,我相信您正在进行实例分割。 您可以使用 labelme 示例目录中提供的脚本。

Instance Segmentation folder有两个脚本 labelme2coco.py 和 labelme2voc.py

因此您可以将 labelme JSON 转换为 COCO 格式或 VOC 格式,并使用它们构建 TFRecords

tensorflow models repo有一堆脚本可以帮助你做到这一点