Computer vision 如何在Intel CVAT中导出包含数据的TFRecord？

我用英特尔公司的CVAT对大约15分钟的视频进行了注释。-

---

当导出到TFRecord时，该文件只有大约4mb（至少应该接近200mb），并且似乎实际上不包含任何图像数据。如何导出带有图像数据和注释数据的TF记录？

自2019年1月12日起-英特尔CVAT目前不支持此功能

---

我能够实现我的目标，并通过使用

ffmpeg

组合将原始

.mov

分割成帧并生成tfrecord来创建包含注释数据和图像数据的tfrecords。

我面临着同样的问题，这正是我提出您的问题的原因。CVAT似乎只导出注释数据，您负责提取图像数据。至少这是我从我的实验中收集到的，并且文档中缺少关于导出从视频中提取的图像数据的信息。据我所知，如果你有帧号和视频文件，就有足够的依据了——只需打开视频，提取帧，并将它们作为图像数据保存到TFRecord中。WCGW，对吗？祝你好运如果你解决了这个问题，请在这里发布代码。顺便说一句，如果你是Python程序员，这里有一些简单的OpenCV代码用于从视频中获取帧：。假设您知道哪个帧与哪个注释对应，那么将这些数据推送到TFRecord中应该是相当直接的。我最终使用ffmpeg进行拆分，导出到Coco json，用文件路径替换帧编号，然后转换到TFRecord它的文档不是特别完整，但显然，您可以从CVAT的RESTAPI中获取帧数据。向端点发送请求

/api/v1/tasks//frames/

返回帧的图像数据。您可以通过响应

/api/v1/tasks/

中的

start\u frame

和

stop\u frame

键获得每个任务中的帧数。不过，您必须自己组合注释和图像。如果有帮助的话，我可以用代码发布答案（一旦我弄明白了…）。