我需要一个工具来注释带有矩形边界框的图像。输出将采用pascal voc xml格式。注释和图像将是卷积神经网络用于进行对象检测的训练数据集的一部分。我将自己手动为图像添加注释。
我考虑过以下工具,但它们不支持pascal-voc。
Labelme、Sloth、Pilab、No name
有没有可以节省我时间的注解工具?
发布于 2015-08-29 01:47:45
这段python代码片段将Sloth json转换为pascal voc xml。
def make_anno():
zind = 0
for z in data:
print zind
filename = data[zind]["filename"]
print filename
head, tail = os.path.split(filename)
basename, file_extension = os.path.splitext(tail)
f = open(basename + '.xml','w')
line = "<annotation>" + '\n'
f.write(line)
line = '\t\t<folder>' + "folder" + '</folder>' + '\n'
f.write(line)
line = '\t\t<filename>' + tail + '</filename>' + '\n'
f.write(line)
line = '\t\t<source>\n\t\t<database>Source</database>\n\t</source>\n'
f.write(line)
im=Image.open('/home/location/VOCdevkit/newdataset/img/' + tail)
(width, height) = im.size
line = '\t<size>\n\t\t<width>'+ str(width) + '</width>\n\t\t<height>' + str(height) + '</height>\n\t'
line += '\t<depth>Unspecified</depth>\n\t</size>'
f.write(line)
line = '\n\t<segmented>Unspecified</segmented>'
f.write(line)
ind = 0
for i in data[zind]["annotations"]:
line = '\n\t<object>'
line += '\n\t\t<name>Name</name>\n\t\t<pose>Unspecified</pose>'
line += '\n\t\t<truncated>Unspecified</truncated>\n\t\t<difficult>Unspecified</difficult>'
xmin = (data[zind]["annotations"][ind]["x"])
line += '\n\t\t<bndbox>\n\t\t\t<xmin>' + str(xmin) + '</xmin>'
ymin = (data[zind]["annotations"][ind]["y"])
line += '\n\t\t\t<ymin>' + str(ymin) + '</ymin>'
width = (data[zind]["annotations"][ind]["width"])
height = (data[zind]["annotations"][ind]["height"])
xmax = xmin + width
ymax = ymin + height
line += '\n\t\t\t<xmax>' + str(xmax) + '</xmax>'
line += '\n\t\t\t<ymax>' + str(ymax) + '</ymax>'
line += '\n\t\t</bndbox>'
line += '\n\t</object>'
f.write(line)
ind +=1
f.close()
zind +=1
发布于 2015-09-17 12:19:44
请参考我的github:https://github.com/tzutalin/ImageNet_Utils
发布于 2015-08-26 17:38:22
看起来没有工具可以输出你想要的格式。您可能希望使用一个以不同格式输出xml
的工具,并对其进行转换。不是很理想,但可能会起作用。
例如,您可以构建一个xslt
来将工具的xml
输出转换为Pascal VOC xml标准。
https://stackoverflow.com/questions/32217149
复制相似问题