企业官网建设流程全解析

COCO 数据集

COCO（Common Objects in Context）是计算机视觉领域广泛使用的目标检测、实例分割和关键点检测数据集，由微软发布。其特点包括：

1. 数据规模
   包含超过 33 万张图像，标注对象超过 250 万个，涵盖 80 个常见物体类别（如人、车、动物等）。

2. 标注类型

   • 目标检测边界框：$ (x,y,width,height) $
   • 实例分割：多边形点集或 RLE 编码
   • 关键点检测：人体 17 个关键点坐标
   • 图像描述：每张图配有 5 句文字描述

3. 数据结构
   采用 JSON 格式组织，核心字段包括：

   {"images":[{"id":1,"file_name":"0001.jpg","width":640,"height":480}],"annotations":[{"id":1,"image_id":1,"category_id":1,"bbox":[x,y,w,h],"segmentation":[[x1,y1,x2,y2,...]]}],"categories":[{"id":1,"name":"person"}]}

转换为 YOLO 训练数据格式

YOLO 要求的数据格式为：

<类别索引> <中心点_x> <中心点_y> <宽度> <高度>

其中所有坐标值需归一化到 $ [0,1] $ 区间。

转换步骤：

1. 数据归一化
   对于每个边界框 $ (x,y,w,h) $：
   xcenter=x+w/2Wycenter=y+h/2Hwnorm=wWhnorm=hH \begin{aligned} x_{\text{center}} &= \frac{x + w/2}{W} \\ y_{\text{center}} &= \frac{y + h/2}{H} \\ w_{\text{norm}} &= \frac{w}{W} \\ h_{\text{norm}} &= \frac{h}{H} \end{aligned}xcenter​ycenter​wnorm​hnorm​​=Wx+w/2​=Hy+h/2​=Ww​=Hh​​
   其中 $ W $ 和 $ H $ 为图像宽高。

2. 文件结构

   • 每张图像对应一个.txt标注文件
   • 文件内容示例：

     0 0.35 0.48 0.12 0.23 2 0.62 0.31 0.08 0.15

3. 转换脚本示例

importjson# 加载 COCO 标注文件withopen('annotations.json')asf:coco_data=json.load(f)# 创建类别映射字典cat_map={cat['id']:idxforidx,catinenumerate(coco_data['categories'])}# 处理每张图像forimgincoco_data['images']:img_id=img['id']W,H=img['width'],img['height']# 收集当前图像的所有标注annotations=[aforaincoco_data['annotations']ifa['image_id']==img_id]# 生成 YOLO 格式文本withopen(f'labels/{img["file_name"].replace(".jpg",".txt")}','w')asf:foranninannotations:x,y,w,h=ann['bbox']x_center=(x+w/2)/W y_center=(y+h/2)/H w_norm=w/W h_norm=h/H# 写入归一化坐标f.write(f"{cat_map[ann['category_id']]}{x_center}{y_center}{w_norm}{h_norm}\n")

注意事项：

1. 确保图像路径与标注文件路径匹配
2. 类别索引需从 0 开始连续编号
3. 对于分割任务需额外处理掩码数据
4. 坐标值保留 6 位小数防止精度丢失

此转换适用于 YOLOv3/v4/v5/v6/v7/v8 等系列模型训练。