.json 檔案的本質是乙個字典
import json
filedir =
"instances_val2014.json"
annos = json.loads(
open
(filedir)
.read())
print
(type
(annos))#
print
(len
(annos)
)# 5
print
(annos.keys())
# 鍵print
(annos[
"info"])
# 鍵值
print
(annos[
"images"])
print
(annos[
"licenses"])
print
(annos[
"annotations"])
print
(annos[
"categories"
])
<
class
'dict'
>
5
dict_keys(
['info'
,'images'
,'licenses'
,'annotations'
,'categories'
])
,.
.... 不斷的重複 其他相同格式的資料
[,,
,,,,
,]
'image_id'
:356347
,'bbox':[
396.94
,6.47
,242.7
,407.73],
'category_id':51
,'id'
:713208},
,# 第乙個資料,,
,,,.
..不斷重前面內容...
.... coco 資料集一有 90個類別..
.# 最後乙個資料
]
完 COCO資料集概述
pk的內容包括 目標檢測與例項分割 人體關鍵點檢測 材料識別 全景分割 影象描述 目標檢測 例項分割資料標註檔案解析使用json檔案儲存 其注釋檔案中的內容就是乙個字典資料結構,包括以下5個key value對。其中info images licenses三個key是三種型別標註檔案共享的,最後的a...
COCO資料集製作
ms coco的全稱是microsoft common objects in context,源於微軟於2014年出資標註的microsoft coco資料集,其地位與imagenet等同,是衡量通用模型效能的最佳資料集之一。coco資料集是乙個大型的 豐富的物體檢測,分割和字幕資料集。以scene...
COCO資料集的載入過程
在mmdetection框架中,資料集的載入是乙個非常重要的過程。在之前的部落格中,我主要講解了pipeline,本文將更進一步,向更底層深入,講解coco資料集在進行pipeline處理之前的載入過程。無論我們是訓練還是測試,每當我們執行mmdetection時,都能在命令列最先看到如下的輸出 這...