主要内容

将地面真相对象出口到Custom和Coco JSON文件

打开生活的脚本

这个示例向您展示了如何将ground truth对象导出为自定义数据格式JavaScript object Notation (JSON)文件，以及COCO[1]数据格式JSON文件。

您可以解析JSON文件，以用于机器学习框架中的训练和推理。自定义数据格式JSON文件的格式类似于COCO数据格式。不同之处在于，表示JSON文件的标签注释的格式被修改为包括ground truth对象支持的各种标签类型。金宝app

这个例子使用了一个ground truth对象，它包含先前使用Video Labeler应用程序生成的标签。

要从Labeler应用程序导出一个ground truth对象到JSON文件，遵循以下步骤:

  1. 使用“图像标签”或“视频标签”应用程序分别对图像或视频进行标签。

  2. 将标签导出到文件或工作区以生成一个地面真理对象。

  3. 按照此示例中的步骤操作。

负载地面真实对象

装载一个地面实值对象

加载（“VehicleImageSequenceGroundTruth.mat”）

显示标签定义

LearsimageSequenceGroundtruth.Labledefinitions.
ans =3×6表名称类型LabelColor组描述层次结构  _________ _______ _____________________________ ___________ ___________ ____________ {' 汽车的}多边形0.5862 0.8276 0.3103{‘汽车’}{0 x0 char} {1 x1 struct}{“车道”}行0.49412 0.18431 0.55686{‘路’}{0 x0 char} {0 x0双}{‘阳光’}场景1 0.41176 - 0.16078{‘没有’}{0 x0 char} {0 x0双}

添加信息和License信息(可选)

通过指定信息和许可证名称 - 值对将元数据添加到注释

info = struct（......'年'，2020年，......“版本”那'1'那......'描述'那'车辆数据集'那......'创建日期',日期时间......）;许可证= struct（......“url”, {“www.tatmou.com”那“www.tatmou.com”}，......“名字”, {'许可证1'那'许可证2'}......）;

将地面真理对象导出到自定义数据格式JSON文件

使用Exportgroundtruthtojson.函数要将地面真相对象导出到JSON文件。

这Exportgroundtruthtojson.函数解析地面真相对象中的数据，以描述的自定义数据格式对其进行编码下面，然后生成JSON文件。

annotationsFileName ='车辆_ annotations.json';Exportgroundtruthtojson（LefortimageSequenceGroundtruth，Annotationsfilename，“信息”，信息，“许可证”许可证)

将对象检测地面真实对象导出为COCO数据格式的JSON文件

使用Exportgroundtruthtojson.与“可可”名称-值设置为真正的将用多边形标记的对象检测数据导出到COCO对象检测数据格式的JSON文件。

要创建可以导出到Coco数据格式JSON文件的对象检测的地面真相对象，请按照下列步骤操作：

  1. 使用Polygon标签类型来标记对象实例。

  2. 使用像素标签类型来标记对象的人群区域。它的标签名称应如下：polygonlabelname_crowd（其中polygonlabelname是相应多边形标签的标签名称）。

例如:

要注释包含个人实例和人群区域的图像，

  1. 创建具有名称的类型多边形的标签“人”用于注释人员实例。

  2. 创建一个名称的相应像素标签“person_crowd”注释人群区域。

这'_人群'后缀用于将两个标签绑定在一起。因此，确保对于每个人群像素标签，存在相应的多边形标签。

注意：虽然导出到COCO对象检测数据格式，但抛出预期的警告，指定忽略的标签类型。在这种情况下，由于地面真相对象具有线标签，因此它们将被忽略。

annotationsFileName =“vehicles_annotations_coco.json”;Exportgroundtruthtojson（LefortimageSequenceGroundtruth，Annotationsfilename，......“信息”，信息，“许可证”许可证,“可可”,真正的)
警告:不支持标签类型，线，场景，在导出到COCO数据格式JSON文件时被忽略金宝app

自定义JSON数据格式

导出的JSON文件包含这五个字段：

  1. 信息

  2. 许可证

  3. 类别

  4. 图像/视频

  5. 注释

信息

信息字段使用“Info”名称值对参数指定数据集和注释信息。该值必须是标量结构。

默认值：

{“一年”：当前年份，“版本”：“1”，“描述”：“使用MATLAB创建”，“date_created”：当前DateTime}

许可证

许可证字段通过使用许可证名称-值对参数指定有关许可证的信息。该值必须是结构数组。

默认值：［］

类别

Categories字段包含基础真值标签定义表的内容。表中的变量名用作字段，并被修改为类似于COCO数据格式。另一个字段Id标识每个标签定义。

每个category对象包含以下两个额外的字段，如果存在，它们将替换'Hierarchy'变量:

  1. 属性:包含标签的属性定义。

  2. 子标签:包含子标签的标签定义。

图像/视频

图像/视频字段包含图像(或视频)对象和相关信息的列表。

数据格式：

{“ID”：唯一图像ID，“time_stamp”：图像帧的时间戳（仅适用于带时间戳的数据源），“宽度”：图像/视频的宽度，“高度”：图像/视频的高度，“file_name”：文件的名称，“file_path”：绝对文件路径，“date_capture”：图像/当前DateTime的最后修改日期}

注释

Annotations字段包含注释对象列表。注释对象的数据格式取决于标签类型，如下：

矩形ROI

{“ID”：唯一的注释ID，“image_id”：image ID，“category_id”：类别ID，“位置”：[x，y，宽度，高度]边界框位置，“属性”：包含属性数据，“子标签”“：包含子制造数据}

  • X和y指定矩形的左上角，并为0索引。

  • W.指定矩形的宽度，即矩形沿边框的长度X设在。

  • H指定矩形的高度，即矩形沿边框的长度y设在。

多边形ROI

{"id":唯一标注id， "image_id":图像id， "category_id":类别id， "position": [[x1 y1 x2 y2…]对于多边形中的N个点，"attributes":包含属性数据，" subblabels ":包含子标签数据}

多段线ROI

{"id":唯一标注id， "image_id":图像id， "category_id":类别id， "position": [x1 y1 x2 y2…对于折线上的N个点。那"attributes": Contains attributes data, "sublabels": Contains sublabels data }

  • x1，y1，...指定点位置，并为0索引。

ProjectedCuboid ROI.

{“ID”：唯一的注释ID，“image_id”：image id，“category_id”：类别ID，“位置”：表单列表[xctr，yctr，zctr，xlen，ylen，zlen，xrot，yrot，zrot]，“属性”：包含属性数据，“sublabels”：包含子字Blabels数据}

  • XCTR.那yctr,zctr指定投影长方体的中心，并为0索引。

  • xlen.那ylen.,zlen指定投影长方体的长度沿着X-轴，y设在,Z.旋转之前，分别在旋转之前分别进行速度。

  • Xrot.那yrot.,zrot指定沿着投影长方体的旋转角度X-轴，y设在,Z.分别设在。这些角度是顺时针正的，当看在他们相应的轴向前的方向。

Pixellabel Roi.

{“image_id”：image id，“file_name”：像素标签映像文件的名称，“file_path”：像素标签映像文件的路径，“segments_info”：段对象列表}

段对象格式:像素标签图像中的每个段都表示为一个段对象

{“ID”：如果PixelabelID是阵列，“Categor_ID”：类别ID，“区域”：像素所覆盖的区域，则标签或R + G * 256 + B * 256 ^ 2的Pixellabelid

场景

{"id":唯一标注id， "image_id":图像id， "category_id":场景标签适用于图像的Category id}

限制

  1. 自定义标签类型不能导出到JSON文件。

  2. 您无法将数据从自定义读取器地面真实性数据源导出为JSON文件格式。

  3. 只有Polygon和crowd Pixel Label ROIs可以导出为COCO对象检测数据格式。

  4. “exportGroundTruthToJSON”helper函数生成的JSON文件不能作为ground truth对象导入到MATLAB中。

参考文献

[1] Lin TY. et al. (2014) Microsoft COCO: Context中的公共对象。见:Fleet D.， Pajdla T.， Schiele B.， Tuytelaars T.(编)Computer Vision - ECCV 2014。2014年大会。《计算机科学课堂讲稿》，第8693卷。施普林格,可汗。https://doi.org/10.1007/978-3-319-10602-1_48

计算机视觉工具箱文档

金宝app

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书