背景：要用yolov5-7.0训练分割，这里使用自己的数据，mask是二值化的数据，要先转换成COCO格式，这里用imantics实现。
详见：https://zhuanlan.zhihu.com/p/427096258
截取部分代码如下图，读取image图片与对应的mask数据，手动指定好类别号，dataset.coco()将数据转换成coco格式，dataset.yolo()会转成yolo格式，在执行的目录下生成对应的json文件。
这里yolo格式只有{ 图片路径：类别号，[cx, cy, width, height] },并没有把分割标签一起生成出来，形式如下：
在yolov5-7.0的训练中，训练数据每张图片要有自己对应的一个同名txt文件，记录属于的类别，bbox与segmentation信息，类似这种
所以，需要根据json文件生成对应图片的txt。
上面说到imantics生成yolo格式的数据是没有mask的分割信息的，所以只训检测可以使用，训实例分割的话，不行，再次查阅，发现yolo系列是有提供json2coco的工程的，链接如下：
https://github.com/ultralytics/JSON2YOLO
COCO格式的Json文件转换成yolo的txt格式
点击上方链接，下载之后将工程可以拷贝至yolov5-v7.0目录下，修改general_json2yolo.py中的COCO格式json文件所在的文件夹路径（注意：是文件夹路径，不要直接写文件路径）。在代码里会glob搜索文件夹下json文件，运行general_json2yolo.py，在JSON2YOLO文件夹下会生成new_dir文件夹，在new_dir下包含labels和images两个文件夹，一般来讲，images是空的，labels中即为yolo格式的标注数据。如果想改变txt路径的话，只需在代码中改变生成txt的路径即可。
另外，用imantics生成coco格式的json文件时，会遇到一个递归报错的问题，
RecursionError: maximum recursion depth exceeded in comparison
这里，确实是python对最大递归次数是有限制的，这里可以粗暴添加这两行代码，即可解决：
import sys
sys.setrecursionlimit(100000)
详细可以见博客：
https://blog.csdn.net/cliviabao/article/details/79927186
