mot数据集_MOT数据集转化成VOC格式脚本（mot2voc）.pdfVIP

mot数据集_MOT数据集转化成VOC格式脚本（mot2voc） 使⽤mmdetection检测框架进⾏相关的训练，由于MOT的数据集标注格式和检测常⽤的VOC以及COCO格式有很⼤的差距，因此⽤于检测 任务的时候，需要将mot格式的数据集转化成VOC格式⽤于检测任务的训练，评估。 HUST⼩菜鸡：将MOT17-Det数据集转成VOC格式 之前我写过⼀篇将MOT17转化成VOC格式的⽂章，但是该⽅法是⼀个分布的步骤，⽽且在实际操作过程中很复杂，考虑到最近⼜要对 MOT20数据集进⾏处理，同时后续数据集的处理需求，所以这⾥开源实现了⼀个mot2voc的开源git，⽤于其他学习需求，同时封装了⼀ 个⽣成train的结果脚本，⽤于直接⽣成结果的⽂件，⽤于使⽤matlab对结果进⾏评估。 HUST⼩菜鸡：基于MATLAB的MOT官⽅评估⼯具 不多说直接上git地址： /PanXF-HUST/ PanXF-HUST/mot2voc 后续有其他的封装好的脚本我也会持续更新 解析命令⾏参数 def parse_args(): parser = argparse.ArgumentParser(description=Convert MOT2VOC format) parser.add_argument( year, choices=[17, 20], default=none, help=year of MOT dataset) args = parser.parse_args() return args 这⾥针对数据集格式命令⾏必须输⼊参数为17或者20，分别代表对MOT17和MOT20进⾏处理 解析ini⽂件关于图⽚相关信息 def parse_ini(dir): ini_fp = open(dir + seqinfo.ini,r) seq_info = ini_fp.readlines() seqLenth = int(seq_info[4][10:]) imWidth = int(seq_info[5][8:]) imHeight = int(seq_info[6][9:]) return seqLenth,imWidth,imHeight ⽣成标注⽂件 def gennerate_gt(gt,Annotation,frame,filename,width,height): 校验处理前后图⽚数量和标注是否⼀致 def check_num(data_dir, JPEGImage_dir,Annotations_dir=None,ori_num = 0): num = 0 for folder in data_dir: folder_len,_,_ = parse_ini(folder) num += folder_len img_list = os.listdir(JPEGImage_dir) if ori_num==0: img_num = len(img_list) else: img_num = len(img_list)-ori_num # print(img_num:,img_num) if Annotations_dir: ann_list = os.listdir(Annotations_dir) ann_num = len(ann_list) assert ann_num == num assert img_num == num,if it is the second time run this demo, please delete the JPEGImages folder and retry # print(num:, num) print(folders {} have been succeed checked.format(data_dir)) return num 分割数据集 def segment_dataset(ImageSets,Ma