此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • COCOParser
  • 函数
  • clean_annotations
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包

coco_parser

最后更新
Python API: luxonis_ml.data.parsers.coco_parser

类

COCOParser

将带有 COCO 注释的目录解析为 LDF。预期格式:
Text
1dataset_dir/
2├── train/
3│   ├── data/
4│   │   ├── img1.jpg
5│   │   ├── img2.jpg
6│   │   └── ...
7│   └── labels.json
8├── validation/
9│   ├── data/
10│   └── labels.json
11└── test/
12    ├── data/
13    └── labels.json
14
15这是使用 FiftyOne 包时返回的默认格式。
或:
Text
1dataset_dir/
2    ├── train/
3    │   ├── img1.jpg
4    │   ├── img2.jpg
5    │   └── ...
6    │   └── _annotations.coco.json
7    ├── valid/
8    └── test/
9
10这是 Roboflow 可以生成的一种格式。

方法

discover_dir_splits
Python
1def discover_dir_splits(dataset_dir: Path) -> dict[str, dict[str, Any]]:
返回按其规范拆分名称键入的现有且有效的拆分目录。
from_dir
Python
1def from_dir(dataset_dir: Path, use_keypoint_ann: bool = False, keypoint_ann_paths: dict[str, str] | None = None, split_val_to_test: bool = True) -> tuple[list[Path], list[Path], list[Path]]:
解析源数据集目录中的所有 COCO 拆分。参数
  • dataset_dir (Path): 源数据集目录。
  • use_keypoint_ann (bool): 是否使用单独的 COCO 关键点注释文件用于 FiftyOne 样式数据集。
  • keypoint_ann_paths (dict[str, str] | None): 关键点注释文件的可选路径,相对于 dataset_dir 并按 "train"、"val" 和 "test" 键入。
  • split_val_to_test (bool): 当没有可用的测试注释时,是否将验证图像 50/50 拆分为验证和测试。
返回
  • tuple[list[Path], list[Path], list[Path]]: 训练、验证和测试拆分添加的图像。
引发
  • ValueError: 如果数据集目录、训练拆分、验证拆分或现有测试拆分不符合公认的 COCO 布局。
from_split
Python
1def from_split(image_dir: Path, annotation_path: Path) -> ParserOutput:
将 COCO 注释解析为 LDF 记录。注释包括分类、分割、对象检测和关键点(如果存在)。该方法还构建骨架元数据。它读取每个包含 keypoints 字段和 skeleton 字段的类别。它使用 keypoints 作为关键点标签,并将 skeleton 对转换为边。COCO 从 1 开始对骨架关节进行编号,因此该方法从每个索引中减去 1。参数
  • image_dir (Path): 包含图像的目录。
  • annotation_path (Path): 注释 JSON 文件。
返回
  • ParserOutput: 包含注释记录、骨架元数据和添加图像的解析器输出。
validate
Python
1def validate(dataset_dir: Path) -> bool:
验证数据集目录是否具有预期格式。参数
  • dataset_dir (Path): 源数据集目录。
返回
  • bool: 数据集是否为预期格式。
validate_split
Python
1def validate_split(split_path: Path) -> dict[str, Any] | None:
验证拆分目录是否具有预期格式。参数
  • split_path (Path): 拆分目录的路径。
返回
  • dict[str, Any] | None: from_split 的关键字参数,如果拆分不是预期格式,则为 None。

函数

clean_annotations

Python
1def clean_annotations(annotation_path: Path) -> Path:
删除已知会导致解析问题的 COCO 图像。参数
  • annotation_path (Path): 注释 JSON 文件。
返回
  • Path: 清理后的注释 JSON 文件的路径。