Skip to main content
  1. Posts/

Labelme JSON 标注格式转 voc XML 格式

··400 words·1 min·
Machine-Learning Object-Detection
Table of Contents

Labelme 是一款常用的计算机视觉任务标注工具,可以用来标注分类,检测,分割等任务的数据。对于检测任务,labelme 生成的标注文件是 json 格式,每个图像对应一个相应的 json 文件。但是很多任务都使用 PASCAL VOC 的 xml 格式标注,例如 maskrcnn-benchmark 任务中的 voc 数据集

转换方法
#

Labelme 含有将 json 格式标注数据转为 voc 格式的脚本,具体地址见 这里。使用方法:

python labelme2voc.py original_data data_dataset_voc --labels labels.txt

第一个参数是原始标注目录,包含 json 文件以及对应的图像,第二个参数为生成的 voc 格式数据库,下面有多个文件夹,第三个参数是 label 文件,每行一个 label,第一行为 __ignore__,第二行为 _background_,其余行为实际的各个 label。

值得注意的是,这个脚本生成的 xml 格式文件,用 maskrcnn 提供的 voc 数据集的接口进行数据训练时,会报错,因为 maskrcnn 中的 voc 数据类会检查每个标注框的 difficult 信息,所以 difficult 这个 flag 必须赋值。labelme2voc.py 当前的代码没有给 difficult 赋值,必须把

# https://github.com/wkentaro/labelme/blob/master/examples/bbox_detection/labelme2voc.py#L116
maker.difficult(),

变为

maker.difficult(0),

然后代码才能顺利运行。

参考
#

Related

Nonlinear Activations for Neural Networks
·586 words·3 mins
Machine-Learning
Accelerate Batched Image Inference in PyTorch
··517 words·3 mins
Machine-Learning PyTorch
Softmax with Temperature Explained
··633 words·3 mins
Machine-Learning Softmax