使用新版FLIR (FLIR_ADAS_v2) 数据集创建yolo格式数据集（目标检测）

原创

已于 2024-12-26 23:21:05 修改 · 3.8k 阅读

标签

#YOLO

于 2024-04-08 23:07:19 首次发布

本文介绍了如何从FLIR_ADAS_v2中提取RGB和热图像，将其转换为COCO格式，然后进一步转化为YOLO所需的txt文件，以及如何组织数据集结构以适应YOLO训练需求。

FLIR在2022.1.19发布了新版的FLIR_ADAS_v2，有着更多的类别和数量更丰富的图像。数据集同步注释热图像和无注释RGB图像供参考。本文章主要介绍如何使用FLIR_ADAS_v2中的rgb图像和thermal图像来制作yolo格式数据集。

1.官方数据集下载：FLIR_ADAS_v2数据集下载

官方下载链接

2. 将单个json文件转换为多个xml文件

需要注意的是代码里面的文件位置是当时把官方文件下载的 COCO 数据集所在目录，读取的json 文件所在位置是看需要用的是rgb图像或者thermal图像的train或者val。

另外生成的xml文件存放位置一定要和json文件相对应，也就是说新建的文件夹里一定包含data文件夹，只这样才能生成xml文件，不然会报错"filenotfounderror: [errno 2] no such file or directory: '..."。即保存文件里面的data文件夹一定要新建好，再运行代码。

这里注意，如果类别对应中，背景算作“0"类，就需要

cate_name = cat[category_id - 1]['name']  # 有背景的作为类别0的需要-1

如果背景不算”0“，直接从类别开始，则

cate_name = cat[category_id]['name'] # 有背景的作为类别0的需要-1

python代码如下：

# translate coco_json to xml
import os
import time
import json
import pandas as pd
from tqdm import tqdm
from pycocotools.coco import COCO


def trans_id(category_id):
    names = []
    namesid = []
    for i in range(0, len(cats)):
        names.append(cats[i]['name'])
        namesid.append(cats[i]['id'])
        # print('id:{1}\t {0}'.format(names[i], namesid[i]))
    index = namesid.index(category_id)
    return index


root = r'G:/红外数据集-FLIR2/FLIR_ADAS_v2/images_thermal_train'  # 你下载的 COCO 数据集所在目录
dataType = '2017'
anno = r'G:/红外数据集-FLIR2/FL