yolov3数据集要求（yolov7数据集格式用于目标识别与实例分割）

介绍yolov7数据集格式之前                ，首先要了解mask rcnn使用的数据集格式
  
  
  
  
  
  
  
  。Mask rcnn采用数据集格式：

四个文件夹分别是：

        掩码标签 label.png；

        从labelme产生的json文件转换的后的json文件；

        labelme 标注后的json文件；

        图片  
  
  
  
  
  
  
  
。

注意
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 ，mask rcnn是采用分割图作为标签















，不使用源数据集提供的边界框坐标 
  
  
  
  
  
  
  
 ，而是从掩码中计算边界框
 


 


 


 


 


 


 


 

。使用的数据是与yolov7不同
 
 
 
 
 
 
 
 。

想要复现Yolov7
  
  
  
  
  
  
  
  ，并训练自己的数据
 


 


 


 


 


 


 


 

，了解数据格式是必须的 
 
 
 
 
 
 
 
，以yolov7-main程序中使用的coco数据为例：

yolov7-main程序：https://github.com/WongKinYiu/yolov7

其中annotations中共一个instances_val2017.json文件
   
   
   
   
   
   
   
   ，包含所有图像标注信息；

labels 是对应images的 .txt 文件
 

 

 

 

 

 

 

 
，txt文件中是物体分割标注点   
   
   
   
   
   
   
   
。

标注内容是：45是bowl 

 

 

 

 

 

 

 

，49是orange                ，50是broccoli

为了进一步对数据集有所了解

 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 ，这里放上对应的图：查看coco数据集的标注情况可以看link：

http://cocodataset.org/#explore?id=402563

参考：https://github.com/matterport/Mask_RCNN/blob/master/samples/coco/inspect_data.ipynb

做自己的数据集用yolov7训练















，可以用labelme等标注工具
 

 

 

 

 

 

 

 
。这里放一张 形状识别和分割数据标注图像                        ，和json文件截图：

其中
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ，标注类型包括矩形边界框和多边形mask标记等等

 

 

 

 

 

 

 

 。我用的是 polygon























， rectangle两种格式                ，可以用于目标识别和实例分割                。根据自己的需求可以选择其他的标注方式
 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 
。

每张图像标注完都会产生对应的一个 .json文件
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 ，记录了标记的点的坐标和类型等信息















。

训练自己的数据集用来识别目标时















，仅使用标注文件中的rectangle信息即可                        。将标注框转换为cls_num center_x center_y w h 格式的数据即可 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
。每个图像对应一个txt文件 
  
  
  
  
  
  
  
 ，每个目标标注对应一行标注信息























。训练自己的数据集实例分割和目标识别时
  
  
  
  
  
  
  
  ，仅用polygon格式的标注信息即可                。将多边形点转换为 cls_num x0 y0 x1 y1 ...xn yn 格式的数据即可  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
。同理一个图像对应一个txt文件
 


 


 


 


 


 


 


 

，一个多边形标注对应txt中的一行















。

将labelme 工具产生的.json 文件中的rectangle 或者polygon格式的标注信息转换为txt文件的程序：

https://github.com/SuperLuu7/labelme2yolo

yolov7使用的数据集格式就是这样了 
 
 
 
 
 
 
 
，希望大家都能训练得到自己想要的结果
  
  
  
  
  
  
  
  。