spytensor/prepare_detection_dataset

解决的问题

该项目提供了一组脚本，用于处理在不同常见标注格式之间转换目标检测数据集的繁琐任务。它简化了为需要特定输入格式的各种机器学习框架准备数据的过程。

工作原理

该工具集由多个 Python 脚本组成，可在以下格式之间转换数据：

• CSV 转 COCO：将包含图像路径、边界框坐标和标签的自定义 CSV 格式转换为 COCO 数据集结构。
• CSV 转 VOC：将 CSV 标注转换为 Pascal VOC XML 格式。
• Labelme 转 COCO：将使用 Labelme 工具创建的 JSON 标注转换为 COCO 格式。
• Labelme 转 VOC：将 Labelme JSON 标注转换为 Pascal VOC XML 格式。
• CSV 转 Labelme：将 CSV 数据转换回 Labelme 兼容的 JSON 文件。

适用人群

需要在不同标注工具或训练框架之间移动标注数据的目标检测项目开发者和研究人员。

主要亮点

• 跨格式支持：支持 CSV、COCO 和 Pascal VOC 之间的转换。
• Labelme 集成：直接支持与 Labelme 标注工具的相互转换。
• 自动组织：自动创建必要的目录结构，并将图像复制到目标格式所需的布局中。