darknet格式数据→COCO

• darknet训练数据目录结构（详情参见dataset/darknet）：

  darknet
  ├── class.names
  ├── gen_config.data
  ├── gen_train.txt
  ├── gen_valid.txt
  └── images
      ├── train
      └── valid
  

• 转换

  python darknet2coco.py --data_path dataset/darknet/gen_config.data

YOLOV5格式数据→COCO

• 值得一提的是，由标注软件labelme标注所得yolo格式数据，也可由该脚本做转换。前提是满足以下数据目录结构。

• YOLOV5训练格式目录结构（详情参见dataset/YOLOV5）：

  YOLOV5
  ├── classes.txt
  ├── images
  │   ├── images(13).jpg
  │   └── images(3).jpg
  ├── labels
  │   ├── images(13).txt
  │   └── images(3).txt
  ├── train.txt
  └── val.txt
  

• 转换

  python yolov5_2_coco.py --dir_path dataset/YOLOV5

• 转换后目录结构（详情参见dataset/YOLOV5_COCO_format）：

  YOLOV5_COCO_format
  ├── annotations
  │   ├── instances_train2017.json
  │   └── instances_val2017.json
  ├── train2017
  │   └── 000000000001.jpg
  └── val2017
      └── 000000000001.jpg
  

可视化COCO格式标注格式

python coco_visual.py --vis_num 1 \
                      --json_path dataset/YOLOV5_COCO_format/annotations/instances_train2017.json \
                      --img_dir dataset/YOLOV5_COCO_format/train2017

相关资料

• MSCOCO数据标注详解