coco数据集

在这里插入图片描述
首先搞清楚coco格式数据集的组成。在data数据下、分为train、val以及annotations三个文件夹。（image是我未划分训练集和测试集的图像存储文件夹）
1.train文件夹：用来存放作为训练的图片（一般为JPG文件）。
2.val文件夹：用来存放作为测试的图片。
3.annotation文件夹：一般有两个.json文件。（instances_train.json以及instance_val.json)

快速构建

明白了coco格式数据集，我们比葫芦画瓢，构造一个相似的就可以。
下面是重点！！！！！
我们目标检测任务需要构建的几个键（必不可少的）如图所示：

{
    "images": [image],
    "annotations": [annotation],
    "categories": [category]
}


image = {
    "id": int,            #（图片id）
    "width": int,         #（图片宽度）
    "height": int,        #（图片高度）
    "file_name": str,
}

annotation = {
    "id": int,            #（标注id）
    "image_id": int,      #（图片id）
    "category_id": int,   #（类别id）
    "segmentation": RLE or [polygon],  #（分割任务用，我们不需要）
    "area": float,              #（分割任务用，我们不需要）
    "bbox": [x,y,width,height], # (x, y) 为 bbox 左上角的坐标
    "iscrowd": 0 or 1,           #（bbox是否拥挤）
}

categories = [{
    "id": int,
    "name": str,
    "supercategory": str,      
}]

最上面一段代码的就是用python写的一个字典，包含了我们目标检测任务的三个重要键。我们主要是通过python字典的形式。然后import json，通过json.dump来生成我们需要的.json文件。
用python处理json文件推荐链接：
https://cloud.tencent.com/developer/article/1654900
同样介绍了coco数据集的文章推荐链接：
https://zhuanlan.zhihu.com/p/309549190