spytensor/prepare_detection_dataset

解決的問題

本專案提供一組腳本，用於處理在不同常見標註格式之間轉換物件檢測資料集的繁瑣任務。它簡化了為需要特定輸入格式的各種機器學習框架準備資料的過程。

工作原理

該工具集由多個 Python 腳本組成，可在以下格式之間轉換資料：

• CSV 轉 COCO：將包含影像路徑、邊界框座標和標籤的自訂 CSV 格式轉換為 COCO 資料集結構。
• CSV 轉 VOC：將 CSV 標註轉換為 Pascal VOC XML 格式。
• Labelme 轉 COCO：將使用 Labelme 工具建立的 JSON 標註轉換為 COCO 格式。
• Labelme 轉 VOC：將 Labelme JSON 標註轉換為 Pascal VOC XML 格式。
• CSV 轉 Labelme：將 CSV 資料轉換回 Labelme 相容的 JSON 檔案。

適用對象

需要在不同標註工具或訓練框架之間移動標註資料的物件檢測專案開發者與研究人員。

主要亮點

• 跨格式支援：支援 CSV、COCO 與 Pascal VOC 之間的轉換。
• Labelme 整合：直接支援與 Labelme 標註工具的相互轉換。
• 自動組織：自動建立必要的目錄結構，並將影像複製到目標格式所需的佈局中。