ultralytics/JSON2YOLO

解决的问题

JSON2YOLO 简化了将 JSON 格式（特别是 COCO 和 LabelMe）的数据集标注转换为 YOLO 格式的过程。这对于使用 Ultralytics YOLO 等框架进行目标检测、分割和姿态估计模型训练是必需的，因为这些框架需要特定的标签布局来实现高效的实时推理。

工作原理

该工具包提供了用于处理标注文件的脚本和 Python 方法 (convert_coco)。它读取包含图像、类别和标注数据的 JSON 文件，并将其转换为 YOLO 数据集结构，该结构由 labels 目录和 images 目录以及用于类名的 YAML 配置文件组成。

适用对象

专为需要在 Linux、macOS 和 Windows 平台上为基于 YOLO 的目标检测模型准备训练数据集的机器学习从业者设计。

亮点

• 多格式支持：转换 COCO 检测、分割和关键点标注，以及 LabelMe 的多边形、矩形、圆形、线段和掩码标注。
• 跨平台：可在 Linux、macOS 和 Windows 上运行。
• 移交给主包：现已集成到主 ultralytics Python 包中，以提供更新的功能。
• 灵活的输入：处理具有标准键的 COCO JSON 和 LabelMe 的每张图像一个 JSON 的方式。