YOLOv8分割任务数据集标注流程-Toy模板网

这篇具有很好参考价值的文章主要介绍了YOLOv8分割任务数据集标注流程。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

半自动化标注

这里使用了半自动化标注工具
yolov8分割如何标注数据集,2D多目标视觉算法,YOLO

链接：https://pan.baidu.com/s/1x22BtI_bHKH0iUUg0eTUdA
提取码：r5ca

需要指定权重和修改类别信息

配置文件中保存了类别、界面语言、轮廓模式等信息，可以通过导入配置文件来快速配置类别；也可以导出当前配置文件。

yolov8分割如何标注数据集,2D多目标视觉算法,YOLO
这里，我们将Main Arm类别添加进去，并删除其他多余的类型

yolov8分割如何标注数据集,2D多目标视觉算法,YOLO

参考文章

选择需要标注的图片文件夹，使用segment anything半自动化标注 yolov8分割如何标注数据集,2D多目标视觉算法,YOLO

e 完成（此时还能精细化调整）

yolov8分割如何标注数据集,2D多目标视觉算法,YOLO

s 保存（需要指定保存的文件夹）

yolov8分割如何标注数据集,2D多目标视觉算法,YOLO

JSON转TXT

需要将Labelme格式的JSON转换为YOLOv8分割格式的TXT

先将ISIA格式的JSON转换为Labelme类型
yolov8分割如何标注数据集,2D多目标视觉算法,YOLO

再将JSON转换为 TXT

# -*- coding: utf-8 -*-
import json
import os
import argparse
from tqdm import tqdm
from PIL import Image


# 这是一个将json文件转换为YOLO格式的txt文件的脚本
def convert_label_json(json_dir, save_dir, classes):
    json_paths = os.listdir(json_dir)
    classes = classes.split(',')

    for json_path in tqdm(json_paths):
        # for json_path in json_paths:
        path = os.path.join(json_dir, json_path)
        with open(path, 'r') as load_f:
            json_dict = json.load(load_f)

        h, w = json_dict['imageHeight'], json_dict['imageWidth']

        # save txt path
        txt_path = os.path.join(save_dir, json_path.replace('json', 'txt'))
        txt_file = open(txt_path, 'w')

        for shape_dict in json_dict['shapes']:
            label = shape_dict['label']
            label_index = classes.index(label)
            points = shape_dict['points']

            points_nor_list = []

            for point in points:
                points_nor_list.append(point[0] / w)
                points_nor_list.append(point[1] / h)

            points_nor_list = list(map(lambda x: str(x), points_nor_list))
            points_nor_str = ' '.join(points_nor_list)

            label_str = str(label_index) + ' ' + points_nor_str + '\n'
            txt_file.writelines(label_str)


if __name__ == "__main__":
    """
    python json2txt_nomalize.py --json-dir my_datasets/color_rings/jsons --save-dir my_datasets/color_rings/txts --classes "cat,dogs"
    """
    parser = argparse.ArgumentParser(description='json convert to txt params')
    parser.add_argument('--json-dir', type=str, default=r'D:\dataset\Main Arm\lableme',
                        help='json path dir')
    parser.add_argument('--save-dir', type=str, default=r'D:\dataset\Main Arm\TXT',
                        help='txt save dir')
    parser.add_argument('--classes', type=str, default='Main Arm', help='classes')
    args = parser.parse_args()
    json_dir = args.json_dir
    save_dir = args.save_dir
    classes = args.classes
    convert_label_json(json_dir, save_dir, classes)