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。