labelme标注的json转Yolo格式【ultralytics工具】

目次

问题形貌
labelme格式
YOLO格式
示例
注意事项
代码转换
目次格式

---

问题形貌

迩来在利用ultralytics举行目标检测训练的时候，预备数据集时候，碰到了一个坑。labelme标注的json格式不能直接用来训练。

labelme格式

原始labelme标注的json格式如下：

1. {
2.   "version": "5.4.1",
3.   "flags": {},
4.   "shapes": [
5.     {
6.       "label": "fire",
7.       "points": [
8.         [
9.           943.5862068965517,
10.           1849.9310344827586
11.         ],
12.         [
13.           1305.6551724137933,
14.           2160.2758620689656
15.         ]
16.       ],
17.       "group_id": null,
18.       "description": "",
19.       "shape_type": "rectangle",
20.       "flags": {},
21.       "mask": null
22.     },
23.     {
24.       "label": "fire",
25.       "points": [
26.         [
27.           1764.2758620689656,
28.           1394.7586206896551
29.         ],
30.         [
31.           2109.103448275862,
32.           1684.4137931034481
33.         ]
34.       ],
35.       "group_id": null,
36.       "description": "",
37.       "shape_type": "rectangle",
38.       "flags": {},
39.       "mask": null
40.     },
41.     {
42.       "label": "fire",
43.       "points": [
44.         [
45.           2964.2758620689656,
46.           722.3448275862067
47.         ],
48.         [
49.           3288.4137931034484,
50.           984.4137931034481
51.         ]
52.       ],
53.       "group_id": null,
54.       "description": "",
55.       "shape_type": "rectangle",
56.       "flags": {},
57.       "mask": null
58.     }
59.   ],
60.   "imagePath": "No002.jpg",
61.   "imageData": "/9j/4AAQSkZJR9k=",
62.   "imageHeight": 3024,
63.   "imageWidth": 4032
64. }

复制代码

要求的格式（YOLO格式）如下：

YOLO（You Only Look Once）是一种实时物体检测系统，YOLO格式指的是YOLO模子利用的标签文件格式，用于训练和推理时标注图像中的对象。YOLO格式的标签文件通常是一个纯文本文件，每个图像对应一个单独的文件，文件内容形貌了图像中每个对象的类别和位置信息。
YOLO格式

• 文件名：每个图像对应一个同名的.txt文件。例如，假如图像名为image1.jpg，则对应的标签文件名应为image1.txt。
  
• 文件内容：每行代表一个对象，格式如下：class x_center y_center width height
  其中：
  

• class：对象的类别编号，必须是零起始的整数（即从0开始）。
  
• x_center：对象边界框中央点的x坐标，相对于图像宽度举行归一化（从0到1）。
  
• y_center：对象边界框中央点的y坐标，相对于图像高度举行归一化（从0到1）。
  
• width：对象边界框的宽度，相对于图像宽度举行归一化（从0到1）。
  
• height：对象边界框的高度，相对于图像高度举行归一化（从0到1）。
  

示例

假设有一个图像image1.jpg，尺寸为800x600像素，其中包罗两个对象。第一个对象是类别0（例如，人），位于图像的左上角，边界框中央点的坐标为(100, 200)，宽度为50像素，高度为100像素。第二个对象是类别1（例如，车），位于图像的右下角，边界框中央点的坐标为(700, 500)，宽度为150像素，高度为200像素。
对应的image1.txt文件内容如下：

1. 0 0.125 0.333 0.0625 0.1667
2. 1 0.875 0.833 0.1875 0.3333

复制代码

表明：

• 对象1（类别0）：x_center = 100/800 = 0.125，y_center = 200/600 = 0.333，width = 50/800 = 0.0625，height = 100/600 = 0.1667
  
• 对象2（类别1）：x_center = 700/800 = 0.875，y_center = 500/600 = 0.833，width = 150/800 = 0.1875，height = 200/600 = 0.3333
  

注意事项

• 假如图像中没有对象，则不须要天生对应的.txt文件。
  
• 所有坐标和尺寸必须归一化，值范围为0到1。
  
• 类别编号从0开始，依次递增。
  

代码转换

1. import json
2. import os
4. def convert_to_yolo_format(json_data):
5.     # 从JSON数据中读取图像宽度和高度
6.     image_width = json_data['imageWidth']
7.     image_height = json_data['imageHeight']
8.     shapes = json_data['shapes']
9.     yolo_data = []
11.     # 遍历所有标注形状
12.     for shape in shapes:
13.         # 假设标签 "fire" 对应类别ID 0
14.         class_id = 0 if shape['label'] == 'fire' else -1  # 需要时调整以支持其他标签
16.         # 如果类别ID为-1，表示该标签不处理，跳过
17.         if class_id == -1:
18.             continue
20.         points = shape['points']
21.         x_min = min(points[0][0], points[1][0])
22.         y_min = min(points[0][1], points[1][1])
23.         x_max = max(points[0][0], points[1][0])
24.         y_max = max(points[0][1], points[1][1])
26.         # 计算YOLO格式所需的中心坐标和宽度高度
27.         x_center = (x_min + x_max) / 2.0 / image_width
28.         y_center = (y_min + y_max) / 2.0 / image_height
29.         width = (x_max - x_min) / image_width
30.         height = (y_max - y_min) / image_height
32.         # 将转换后的数据添加到列表中
33.         yolo_data.append(f"{class_id} {x_center} {y_center} {width} {height}")
35.     return yolo_data
37. def save_yolo_format(yolo_data, output_path):
38.     # 将YOLO格式的数据保存到指定文件中
39.     with open(output_path, 'w') as file:
40.         for line in yolo_data:
41.             file.write(f"{line}\n")
43. def process_json_files(input_directory):
44.     # 遍历输入目录中的所有文件
45.     for filename in os.listdir(input_directory):
46.         if filename.endswith(".json"):
47.             json_file_path = os.path.join(input_directory, filename)
48.             with open(json_file_path, 'r') as file:
49.                 data = json.load(file)
50.             
51.             yolo_format_data = convert_to_yolo_format(data)
52.             
53.             # 生成输出文件路径
54.             image_basename = os.path.splitext(data['imagePath'])[0]
55.             output_file_path = os.path.join(input_directory, image_basename + '.txt')
56.             save_yolo_format(yolo_format_data, output_file_path)
57.             print(f"YOLO格式数据已保存到 {output_file_path}")
59. # 示例使用
60. input_directory = 'path/to/your/json_files_directory'  # 修改为实际的JSON文件目录路径
61. process_json_files(input_directory)

复制代码

目次格式

OK,大功告成！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。