YOLO-COCO数据集

### YOLO 和 COCO 数据集概述 YOLO (You Only Look Once) 是一种流行的实时目标检测算法，其数据集格式相对简洁。而 COCO (Common Objects in Context) 数据集则是一个大型图像识别、分割和字幕生成数据库，广泛用于计算机视觉研究。 #### YOLO 格式特点 YOLO 的标注文件通常为 `.txt` 文件，每行代表一个对象的类别及其边界框位置，采用归一化坐标表示法[^1]： ``` <class_id> <center_x> <center_y> <width> <height> ``` 其中 `<class_id>` 表示类别的索引号；其他四个参数均为相对于图片尺寸的比例值。 #### COCO 格式特点 COCO 数据集中每个样本由一张或多张带有详细注解信息的 JSON 文件描述，包含但不限于： - 图像基本信息（ID, 宽高） - 对象实例列表（bbox, segmentation mask, area 等） JSON 结构较为复杂，适合处理多样的场景需求[^2]。 #### 转换过程简介 为了实现从 YOLO 至 COCO 的转换，主要涉及以下几个方面的工作： - **目录结构调整**：按照特定规则重新组织原始数据的位置； - **标签映射创建**：建立两套编号体系之间的对应关系表； - **脚本编写执行**：利用 Python 编写自动化工具完成实际迁移操作[^3]。 ```python import json from pathlib import Path def yolo_to_coco(yolo_dir: str, coco_output_path: str): """Converts YOLO format dataset to COCO format.""" images = [] annotations = [] annotation_id = 0 # Iterate over all image files and their corresponding label txt files. for img_file in Path(yolo_dir).glob('*.jpg'): with open(str(img_file.with_suffix('.txt'))) as f: lines = f.readlines() width, height = get_image_size(img_file) image_info = { 'id': len(images), 'file_name': img_file.name, 'width': width, 'height': height } images.append(image_info) for line in lines: class_id, center_x, center_y, bbox_width, bbox_height = map(float, line.strip().split()) x_min = int((center_x - bbox_width / 2.) * width) y_min = int((center_y - bbox_height / 2.) * height) w = int(bbox_width * width) h = int(bbox_height * height) anno = { 'id': annotation_id, 'image_id': image_info['id'], 'category_id': int(class_id)+1, # Assuming category IDs start from 1 in COCO 'segmentation': [], 'area': float(w*h), 'bbox': [x_min, y_min, w, h], 'iscrowd': 0 } annotations.append(anno) annotation_id += 1 output_dict = {'images': images, 'annotations': annotations} with open(coco_output_path, 'w') as outfile: json.dump(output_dict, outfile) def get_image_size(file_path): """Helper function to read an image file's dimensions""" pass # Implementation depends on the library used if __name__ == '__main__': yolo_to_coco('./data/yolo', './output/coco.json') ```