深度学习常用格式转化脚本xml2yolo/coco2yolo/bdd2yolo/frame2video等

该项目提供了一系列用于深度学习的数据处理工具，主要功能包括：

• 数据集格式转换：提供多种脚本，将不同格式的数据集转换为YOLO格式，方便在YOLO框架中使用。

  • coco2yolo.py：将COCO格式的数据集转换为YOLO格式。

  • xml2yolo.py：将XML格式的标注文件（如Pascal VOC格式）转换为YOLO格式。

  • hefei-json2yolo.py、soda2yolo.py、tt100k2yolo.py：分别将特定数据集的标注格式转换为YOLO格式。

  • bdd2yolo、yolo2BDD：实现BDD数据集与YOLO格式之间的相互转换。

  • KITTI2YOLO：将KITTI数据集转换为YOLO格式。

• 数据集分析与可视化：提供工具对目标检测数据集进行分析，并以可视化形式展示结果。

  • Analysis_dataset：统计目标检测数据集中目标框的位置，并通过热力图展示；统计目标框的长宽比和高度，使用直方图展示。

  • count_labels.py：统计数据集中各类标签的数量，帮助了解数据分布。

  • vis_yolo_files.py：可视化YOLO格式的标注文件，便于检查标注的准确性。

• 数据集操作：提供对数据集进行操作的脚本，方便数据预处理。

  • copy_images_from_folders.py：从多个文件夹中递归提取特定格式的图片，便于整理数据集。

  • split_data.py：将数据集按照一定比例划分为训练集和验证集。

• 多媒体处理：提供将图像序列转换为视频的工具。

  • frames2video.py：将连续帧图像转换为视频（mp4格式），可指定尺寸调整。

这些工具旨在简化深度学习项目中的数据处理流程，提高工作效率。

以下是对代码中功能的逐步注释和讲解。由于项目中的代码文件较多，这里对关键的脚本进行注释和说明。如果需要具体代码逐行注释，请明确告知需要讲解的文件。

---

1. 数据集格式转换脚本

coco2yolo.py 示例注释：

import os
import json
from tqdm import tqdm  # 用于显示进度条

# 设置 COCO 数据集路径
coco_path = "path/to/coco.json"  # 指定 COCO 格式数据集文件路径
output_path = "output/yolo/"  # YOLO 格式的输出路径

# 加载 COCO 格式数据集
with open(coco_path, 'r') as f:
    coco_data = json.load(f)

# 遍历 COCO 数据集的标注信息
for annotation in tqdm(coco_data['annotations']):
    # 从 COCO 中获取目标框的位置信息
    x, y, width, height = annotation['bbox']
    
    # 将 COCO 的坐标格式转换为 YOLO 格式
    # YOLO 格式为 (目标中心 x, y, 宽度, 高度)，且所有数值归一化为 [0, 1]
    x_center = x + width / 2
    y_center = y + height / 2
    x_center_norm = x_center / image_width
    y_center_norm = y_center / image_height
    width_norm = width / image_width
    height_norm = height / image_height
    
    # 保存为 YOLO 格式
    with open(output_path + f"{image_id}.txt", 'w') as output_file:
        output_file.write(f"{class_id} {x_center_norm} {y_center_norm} {width_norm} {height_norm}\n")

注释说明：

1. 导入模块： 通过 os 和 json 模块操作文件，tqdm 用于显示转换进度。
2. 文件路径： 需要手动设置 COCO 文件的路径及输出的 YOLO 路径。
3. 格式转换： 读取 COCO 格式的目标框坐标后，将其转换为 YOLO 格式。
4. 输出： 保存为 YOLO 的 .txt 文件，方便目标检测训练。

---

xml2yolo.py 示例注释：

import xml.etree.ElementTree as ET  # XML 文件解析
import os

# 定义 PASCAL VOC XML 文件路径
xml_path = "path/to/xml"
output_path = "output/yolo/"

# 遍历 XML 文件目录
for xml_file in os.listdir(xml_path):
    if not xml_file.endswith(".xml"):
        continue
    
    # 解析 XML 文件
    tree = ET.parse(os.path.join(xml_path, xml_file))
    root = tree.getroot()
    
    # 获取图像宽高
    image_width = int(root.find('size/width').text)
    image_height = int(root.find('size/height').text)
    
    # 遍历所有目标
    for obj in root.findall('object'):
        class_name = obj.find('name').text
        bbox = obj.find('bndbox')
        
        # 获取目标框坐标
        x_min = int(bbox.find('xmin').text)
        y_min = int(bbox.find('ymin').text)
        x_max = int(bbox.find('xmax').text)
        y_max = int(bbox.find('ymax').text)
        
        # 转换为 YOLO 格式
        x_center = (x_min + x_max) / 2.0 / image_width
        y_center = (y_min + y_max) / 2.0 / image_height
        width = (x_max - x_min) / image_width
        height = (y_max - y_min) / image_height
        
        # 保存为 YOLO 格式
        with open(output_path + xml_file.replace('.xml', '.txt'), 'w') as output_file:
            output_file.write(f"{class_name} {x_center} {y_center} {width} {height}\n")

注释说明：

1. 模块： xml.etree.ElementTree 用于解析 XML 格式文件。
2. 路径： 输入路径为 VOC 格式标注文件路径，输出路径为 YOLO 格式存储路径。
3. 标注解析： 提取 XML 文件中的图像大小及目标框坐标。
4. 格式转换： 计算目标中心点、宽高并归一化，保存为 YOLO 文件。

---

2. 数据集可视化与统计

vis_yolo_files.py 示例注释：

import cv2  # 用于图像处理
import os

# 输入 YOLO 文件夹路径和对应图片路径
label_path = "path/to/yolo_labels/"
image_path = "path/to/images/"

# 遍历 YOLO 格式文件
for label_file in os.listdir(label_path):
    if not label_file.endswith(".txt"):
        continue
    
    # 加载对应图片
    image_file = label_file.replace('.txt', '.jpg')
    image = cv2.imread(os.path.join(image_path, image_file))
    
    # 可视化目标框
    with open(os.path.join(label_path, label_file), 'r') as f:
        for line in f.readlines():
            # YOLO 格式解析
            class_id, x_center, y_center, width, height = map(float, line.strip().split())
            x_center *= image_width
            y_center *= image_height
            width *= image_width
            height *= image_height
            
            # 转换为矩形框坐标
            x_min = int(x_center - width / 2)
            y_min = int(y_center - height / 2)
            x_max = int(x_center + width / 2)
            y_max = int(y_center + height / 2)
            
            # 绘制矩形框
            cv2.rectangle(image, (x_min, y_min), (x_max, y_max), (0, 255, 0), 2)
    
    # 显示图像
    cv2.imshow('YOLO Visualization', image)
    cv2.waitKey(0)

注释说明：

1. 模块： 使用 OpenCV 读取图片和绘制矩形框。
2. 解析标注文件： 读取 YOLO 的 .txt 文件，提取目标框信息。
3. 绘制： 将归一化后的目标框坐标还原为像素值，并用矩形框绘制到图片上。

---

3. 其他工具脚本

frames2video.py 示例注释：

import cv2
import os

# 定义输入帧路径和输出视频路径
frames_path = "path/to/frames/"
output_video_path = "output/video.mp4"
frame_rate = 30  # 设置帧率

# 获取所有帧文件
frames = sorted(os.listdir(frames_path))

# 获取第一帧的大小
first_frame = cv2.imread(os.path.join(frames_path, frames[0]))
height, width, _ = first_frame.shape

# 初始化视频写入器
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
video_writer = cv2.VideoWriter(output_video_path, fourcc, frame_rate, (width, height))

# 写入每一帧
for frame_file in frames:
    frame = cv2.imread(os.path.join(frames_path, frame_file))
    video_writer.write(frame)

video_writer.release()
print("视频生成完成！")

注释说明：

1. 模块： 使用 OpenCV 将帧合成视频。
2. 视频设置： 设置帧率和视频大小。
3. 合成： 按文件名顺序读取帧并合成到视频文件中。

---

以上为关键脚本的注释说明，具体需求可以进一步详细分析每个文件的逻辑和实现！