目錄
COCO資料集中關鍵點annotations簡介
标簽軟體
COCO資料集中關鍵點annotations簡介
COCO資料集的關鍵點annotations字段結構如下
annotation{
"keypoints": [x1,y1,v1,...], #關鍵點坐标及标志位 v
"num_keypoints": int, #關鍵點數量（要求v>0）
"id": int,
"image_id": int, #圖像id号，對應圖像的檔案名
"category_id": int, #隻有人，是以為1
"segmentation": RLE or [polygon], #iscrowd 為 0 時是polygon格式，為1時是 RLE格式,代表分割圖（用多邊形框出人體）
"area": float, #矩形框的面積
"bbox": [x,y,width,height], #矩形框左上角坐标（x，y）和矩形框的寬高
"iscrowd": 0 or 1,
}
在key_points 關鍵字中 x，y表示坐标值，
v的值有三個
| V | 含義 |
| 沒有該點 | |
| 1 | 該點存在但是被遮擋了 |
| 2 | 該點存在且沒有被遮擋 |
其他含義如注釋那樣。
标簽軟體
通常來說利用labelme可以标注，想用的可以自行搜尋
本次介紹的是實驗室成員利用tkinter庫開發的，由于還在測試階段，是以會有一些小bug，不過不影響
百度網盤連結
https://pan.baidu.com/s/12u270N-RC0HuWr_5ZwW7PQ 密碼1234
初始按圖中操作，指定大小後就可以選擇加載圖檔
但是由于目前還未能實作滾輪修改顯示圖檔大小，是以使用除512之外的大小都不是很友善（其他大小我會在加載資料集的時候修改，是以目前最好隻按512标注）。目前隻支援給單人打标簽。
此時就可以标注圖檔了，由滑鼠點選圖檔中待标注位置，便可在該位置上按如下順序産生關鍵點資訊。
| 'nose' | |
| 'left_eye' | 1 |
| 'right_eye' | 2 |
| 'left_ear' | 3 |
| 'right_ear' | 4 |
| 'left_shoulder' | 5 |
| 'right_shoulder' | 6 |
| 'left_elbow' | 7 |
| 'right_elbow' | 8 |
| 'left_wrist' | 9 |
| 'right_wrist' | 10 |
| 'left_hip' | 11 |
| 'right_hip' | 12 |
| 'left_knee' | 13 |
| 'right_knee' | 14 |
| 'left_ankle' | 15 |
| 'right_ankle' | 16 |
每點一個位置右下角會自動點亮,全部标記完後這邊就會全變為綠色。
想要修改的點隻要點一下右邊對應點即可重新标記該點。
然後點選 “儲存該圖示簽資料” 并選擇一個新的空檔案夾，會産生如下四個檔案。隻有第一次會需要選擇檔案夾路徑，後面的圖檔就不用了。但是後面每标記完一個圖都要點選按鈕儲存資訊。
注：點選 “儲存該圖示簽資料” 後，如果還有下一張圖會自動切換
“img_label” 是修改大小後，并且帶有标簽點的圖檔,友善檢查
“img_train” 是修改大小後，不帶有标簽點的圖檔,用于訓練
“annotations.txt” 儲存的是相關資訊
為了簡化我們隻保留了需要的部分資訊
另外需要注意的是,标志位 v 隻有0和1，0代表沒有，1代表有,這是不同于COCO資料集的。
全部圖檔标注完以後就可以選擇是否儲存為json檔案。
另外：軟體沒有記憶功能，是以如果檔案夾中的圖檔沒有标注完，就别關軟體！！！。
或者你可以自動手動拆分，然後自己整合到一起。
使用有問題歡迎在評論區提問。依據檔案産生資料集的代碼會在之後提供。