YOLO格式数据集转为COCO数据集（简单粗暴）

最近需要用的coco格式的数据集，但是在网上找的很多 毕竟麻烦，简单记录一下！

1、调整目录结构（以GC10-DET数据集为例）

YOLO格式数据集目录结构如下：
简单来说就是images文件夹里面有train、val、test三个文件夹都放的图片；
labels文件夹也有train、val、test三个文件夹都放的对应的标注！

2、使用代码进行转换！（修改两个路径and换成你自己数据集的类别名称即可）

import os
import json
from PIL import Image
 
# 设置数据集路径
output_dir = "D:\\AAAAA\\GC10_coco"   #修改为YOLO格式的数据集路径；
dataset_path = "D:\\AAAAA\\GC10_yolo"  # 修改你想输出的coco格式数据集路径
images_path = os.path.join(dataset_path, "images")
labels_path = os.path.join(dataset_path, "labels")
 
# 类别映射
categories = [
    {"id": 0, "name": "1_chongkong"},
    {"id": 1, "name": "2_hanfeng"},
    {"id": 2, "name": "3_yueyawan"},
    {"id": 3, "name": "4_shuiban"},
    {"id": 4, "name": "5_youban"},
    {"id": 5, "name": "6_siban"},
    {"id": 6, "name": "7_yiwu"},
    {"id": 7, "name": "8_yahen"},
    {"id": 8, "name": "9_zhehen"},
    {"id": 9, "name": "10_yaozhe"},
    # 添加更多类别
]
 
 
# YOLO格式转COCO格式的函数
def convert_yolo_to_coco(x_center, y_center, width, height, img_width, img_height):
    x_min = (x_center - width / 2) * img_width
    y_min = (y_center - height / 2) * img_height
    width = width * img_width
    height = height * img_height
    return [x_min, y_min, width, height]
 
 
# 初始化COCO数据结构
def init_coco_format():
    return {
        "images": [],
        "annotations": [],
        "categories": categories
    }
 
 
# 处理每个数据集分区
for split in ['train', 'test', 'val']:
    coco_format = init_coco_format()
    annotation_id = 1
 
    for img_name in os.listdir(os.path.join(images_path, split)):
        if img_name.lower().endswith(('.png', '.jpg', '.jpeg')):
            img_path = os.path.join(images_path, split, img_name)
            label_path = os.path.join(labels_path, split, img_name.replace("jpg", "txt"))
 
            img = Image.open(img_path)
            img_width, img_height = img.size
            image_info = {
                "file_name": img_name,
                "id": len(coco_format["images"]) + 1,
                "width": img_width,
                "height": img_height
            }
            coco_format["images"].append(image_info)
 
            if os.path.exists(label_path):
                with open(label_path, "r") as file:
                    for line in file:
                        category_id, x_center, y_center, width, height = map(float, line.split())
                        bbox = convert_yolo_to_coco(x_center, y_center, width, height, img_width, img_height)
                        annotation = {
                            "id": annotation_id,
                            "image_id": image_info["id"],
                            "category_id": int(category_id) + 1,
                            "bbox": bbox,
                            "area": bbox[2] * bbox[3],
                            "iscrowd": 0
                        }
                        coco_format["annotations"].append(annotation)
                        annotation_id += 1
 
    # 为每个分区保存JSON文件
    with open(os.path.join(output_dir, f"{split}_coco_format.json"), "w") as json_file:
        json.dump(coco_format, json_file, indent=4)

3、转化完之后，把图片挪过去就行了

🎈大功告成，转化工作虽然不是全自动的，但是相对简单轻松！

🤞代码是参考的一篇博客，但是时间长，找不到了该博客的链接了！

原文地址：https://blog.csdn.net/weixin_44902604/article/details/142594109

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！