YOLOv3学习笔记之简单介绍

数据格式

用于目标检测的数据集有VOC和COCO两种格式：

VOC数据格式的目标检测数据，是指每个图像文件对应一个同名的xml文件，xml文件中标记物体框的坐标和类别等信息

COCO数据格式的目标检测数据，是指将所有训练图像的标注都存放到一个json文件中，数据以字典嵌套的形式存放。

json文件中存放了 info licenses images annotations categories的信息：

• info中存放标注文件标注时间、版本等信息

• licenses中存放数据许可信息

• images中存放一个list，存放所有图像的图像名，下载地址，图像宽度，图像高度，图像在数据集中的id等信息

• annotations中存放一个list，存放所有图像的所有物体区域的标注信息，每个目标物体标注以下信息：

 {
    	'area': 899, 
    	'iscrowd': 0, 
        'image_id': 839, 
        'bbox': [114, 126, 31, 29], #左上角坐标，宽高
        'category_id': 0, 'id': 1, 
        'ignore': 0, 
        'segmentation': []
    }

查看json文件，图中是COCO2014数据集中annotation文件夹中的json文件

#查看json文件
# 查看一条数据
import json
coco_anno = json.load(open('../coco2014/annotations/instances_train2014.json'))

# coco_anno.keys
print('\nkeys:', coco_anno.keys())

# 查看类别信息
print('物体类别:', coco_anno['categories'])
# 查看一共多少张图
print('图像数量：', len(coco_anno['images']))
# 查看一共多少个目标物体
print('标注物体数量：', len(coco_anno['annotations']))

print('\n查看一张图像中的信息：')
img=coco_anno['images'][0]
# print('图片信息有：',img.keys())
# 遍历字典列表
for key,values in img.items():
    print(key,':',values)

# 查看一条目标物体标注信息
print('\n查看一条目标物体标注信息：', )
anno=coco_anno['annotations'][0]
print('标注信息有：',anno.keys())
# 遍历字典列表
for key,values in anno.items():
    print(key,':',values)

print('\n查看指定图像中的标注信息：')
ans=[an for an in coco_anno['annotations'] if an['image_id']==57870]
print('id=57870图像中，一共有标注框：',len(ans))
for i in ans:
    print(i['category_id'],i['bbox'])

#id=57870图像中，一共有标注框： 17
#62 [233.29, 270.45, 170.32, 203.36]
#67 [1.02, 279.96, 533.09, 200.04]
#62 [476.76, 261.03, 119.73, 201.71]
#...

在YOLOv3项目中，数据集文件夹如下

YOLOv3网络结构

YOLOv3属于Anchor-Base单步目标检测方法，即由骨干网络提取特征，再有检测网络进行分类与定位pic_center)

本文地址：https://blog.csdn.net/qq_33682559/article/details/109801990