更换文档检测模型

2024-08-27 14:42:45 +08:00
parent aea6f19951
commit 1514e09c40
2072 changed files with 254336 additions and 4967 deletions
--- a/paddle_detection/docs/tutorials/data/KeyPointAnnoTools.md
+++ b/paddle_detection/docs/tutorials/data/KeyPointAnnoTools.md
@@ -0,0 +1,165 @@
+简体中文 | [English](KeyPointAnnoTools_en.md)
+
+# 关键点检测标注工具
+
+## 目录
+
+[LabelMe](#LabelMe)
+
+- [使用说明](#使用说明)
+  - [安装](#安装)
+  - [关键点数据说明](#关键点数据说明)
+  - [图片标注过程](#图片标注过程)
+- [标注格式](#标注格式)
+  - [导出数据格式](#导出数据格式)
+  - [格式转化总结](#格式转化总结)
+  - [标注文件(json)-->COCO](#标注文件(json)-->COCO数据集)
+
+
+
+## [LabelMe](https://github.com/wkentaro/labelme)
+
+### 使用说明
+
+#### 安装
+
+具体安装操作请参考[LabelMe官方教程](https://github.com/wkentaro/labelme)中的Installation
+
+<details>
+<summary><b> Ubuntu</b></summary>
+
+```
+sudo apt-get install labelme
+
+# or
+sudo pip3 install labelme
+
+# or install standalone executable from:
+# https://github.com/wkentaro/labelme/releases
+```
+
+</details>
+
+<details>
+<summary><b> macOS</b></summary>
+
+```
+brew install pyqt  # maybe pyqt5
+pip install labelme
+
+# or
+brew install wkentaro/labelme/labelme  # command line interface
+# brew install --cask wkentaro/labelme/labelme  # app
+
+# or install standalone executable/app from:
+# https://github.com/wkentaro/labelme/releases
+```
+
+</details>
+
+
+
+推荐使用Anaconda的安装方式
+
+```
+conda create –name=labelme python=3
+conda activate labelme
+pip install pyqt5
+pip install labelme
+```
+
+
+
+#### 关键点数据说明
+
+以COCO数据集为例，共需采集17个关键点
+
+```
+keypoint indexes:
+        0: 'nose',
+        1: 'left_eye',
+        2: 'right_eye',
+        3: 'left_ear',
+        4: 'right_ear',
+        5: 'left_shoulder',
+        6: 'right_shoulder',
+        7: 'left_elbow',
+        8: 'right_elbow',
+        9: 'left_wrist',
+        10: 'right_wrist',
+        11: 'left_hip',
+        12: 'right_hip',
+        13: 'left_knee',
+        14: 'right_knee',
+        15: 'left_ankle',
+        16: 'right_ankle'
+```
+
+
+
+
+
+#### 图片标注过程
+
+启动labelme后，选择图片文件或者图片所在文件夹
+
+左侧编辑栏选择`create polygons` ，右击图像区域选择标注形状，绘制好关键点后按下回车，弹出新的框填入标注关键点对应的标签
+
+左侧菜单栏点击保存，生成`json`形式的**标注文件**
+
+![操作说明](https://user-images.githubusercontent.com/34162360/178250648-29ee781a-676b-419c-83b1-de1e4e490526.gif)
+
+
+
+### 标注格式
+
+#### 导出数据格式
+
+```
+#生成标注文件
+png/jpeg/jpg-->labelme标注-->json
+```
+
+
+
+#### 格式转化总结
+
+```
+#标注文件转化为COCO数据集格式
+json-->labelme2coco.py-->COCO数据集
+```
+
+
+
+
+
+#### 标注文件(json)-->COCO数据集
+
+使用[PaddleDetection提供的x2coco.py](https://github.com/PaddlePaddle/PaddleDetection/blob/develop/tools/x2coco.py) 将labelme标注的数据转换为COCO数据集形式
+
+```bash
+python tools/x2coco.py \
+                --dataset_type labelme \
+                --json_input_dir ./labelme_annos/ \
+                --image_input_dir ./labelme_imgs/ \
+                --output_dir ./cocome/ \
+                --train_proportion 0.8 \
+                --val_proportion 0.2 \
+                --test_proportion 0.0
+```
+
+用户数据集转成COCO数据后目录结构如下（注意数据集中路径名、文件名尽量不要使用中文，避免中文编码问题导致出错）：
+
+```
+dataset/xxx/
+├── annotations
+│   ├── train.json  # coco数据的标注文件
+│   ├── valid.json  # coco数据的标注文件
+├── images
+│   ├── xxx1.jpg
+│   ├── xxx2.jpg
+│   ├── xxx3.jpg
+│   |   ...
+...
+```
+