Computer vision 如何将yolo darknet格式转换为.csv文件

我有一些最初是YOLO格式的注释。我需要将其转换为yolo csv格式，以便使用我的变形金刚模型进行训练。 我需要的.csv文件示例：

csv属性包括：图像id、宽度、高度和图像边界框的坐标。

---

任何帮助都将不胜感激

首先，我应该说，没有直接的方法将这些格式转换为csv。您应该读取文件并解析它们的数据

步骤1：导入库

我们需要从目录中读取txt文件（yolo标签），并将其保存到csv中。因此，我们需要这些库：

import os
import glob
import pandas as pd
import numpy as np

步骤2：获取您的YLO标签列表

用

OS

库打开yolo标签所在的目录，用

glob

读取txt文件：

os.chdir(r'D:\karami\Labeled\train1\labels')
myFiles = glob.glob('*.txt')

我的标签在我的标签文件夹中，所以我将该目录设置为该目录

步骤3：读取行和分割数据 在myFiles变量中有标签列表 您应该对它进行迭代，读取每个文件的第一行并拆分其数据。 在您共享的图像中，我们有边界框的绝对坐标。根据yolo darknet文件，我们有：

对象类x_中心y_中心宽度高度

x_中心、y_中心、宽度、高度-相对于宽度和高度的浮动值 图像的高度，可以在（0.0到1.0）之间相等，例如：=

所以我们需要将坐标乘以图像的宽度和高度

yolo文件不包含图像大小，所以您应该在创建之前定义它们 然后使用拆分的字符串。然后保存数据帧。代码：

width=1024
height=1024
image_id=0
final_df=[]
for item in myFiles:
    row=[]
    bbox_temp=[]
    with open(item, 'rt') as fd:
        first_line = fd.readline()
        splited = first_line.split();
        
        row.append(image_id)
        row.append(width)
        row.append(height)
        try:
            bbox_temp.append(float(splited[1])*width)
            bbox_temp.append(float(splited[2])*height)
            bbox_temp.append(float(splited[3])*width)
            bbox_temp.append(float(splited[4])*height)
            row.append(bbox_temp)
            final_df.append(row)
        except:
            print("file is not in YOLO format!")
df = pd.DataFrame(final_df,columns=['image_id', 'width', 'height','bbox'])
df.to_csv("saved.csv",index=False)

这是我的csv文件：

---

这对@Markus Khoa有帮助吗？