COCO_to_YOLOv8
COCO_to_YOLOv8 copied to clipboard
Converting COCO annotation (CVAT) to annotation for YOLOv8-seg (instance segmentation) and YOLOv8-obb (oriented bounding box detection)
COCO to YOLO converter for instance segmentation (YOLOv8-seg) and oriented bounding box detection (YOLOv8-obb)
Репозиторий позволяет преобразовать разметку формата COCO в формат, поддерживаемый для обучения моделей YOLOv8-seg (инстанс сегментация) и YOLOv8-obb (детекция повернутых боксов).
Ключевое применение репозитория -> работа с выгруженной разметкой полигонов (или повернутых прямоугольников в случае с YOLOv8-obb) из приложения CVAT в формате COCO 1.0 (с указанием режима save images = True).
Если же используете без CVAT, то убедитесь перед запуском, что ваша папка с COCO датасетом имеет такую структуру:
COCO_dataset/
|-- annotations/
| |-- instances_train.json
| |-- instances_val.json
|-- images/
| |-- image1.jpg
| |-- image2.jpg
| |-- ...
Пример использования репозитория для задачи YOLOv8-seg представлен в видео на YouTube - ССЫЛКА
Пример использования репозитория для задачи YOLOv8-obb представлен в видео на YouTube - ССЫЛКА
Установка:
git clone https://github.com/Koldim2001/COCO_to_YOLOv8.git
cd COCO_to_YOLOv8
pip install -r requirements.txt
Как запускать код:
Классический подход c предустановленным в CVAT разделением на train/val/test (у тасок определен Subset):
python coco_to_yolo.py --coco_dataset="dataset_folder"
Вариант с авторазделением на train и val:
python coco_to_yolo.py --coco_dataset="dataset_folder" --autosplit=True --percent_val=30
Список параметров с пояснениями, которые можно передать на вход программы перед ее запуском в cli:
--coco_dataset TEXT Папка с датасетом формата COCO 1.0 (можно выгрузить из
CVAT). По умолчанию "COCO_dataset"
--yolo_dataset TEXT Папка с итоговым датасетом формата YOLOv8. По
умолчанию "YOLO_dataset"
--print_info BOOLEAN Вкл/Выкл режима вывода логов обработки. По умолчанию
отключен
--autosplit BOOLEAN Вкл/Выкл режима автоматического разделения на
train/val. По умолчанию отключен (берет согласно
разметке CVAT)
--percent_val FLOAT Процент данных на val при выборе режима
autosplit=True. По умолчанию 25%
--help Покажет существующие варианты парсинга аргументов в CLI
English Version of README:
The repository allows converting annotations in COCO format to a format compatible with training YOLOv8-seg models (instance segmentation) and YOLOv8-obb models (rotated bounding box detection).
Key usage of the repository -> handling annotated polygons (or rotated rectangles in the case of YOLOv8-obb) exported from the CVAT application in COCO 1.0 format (with the save images mode set to True).
If you use it without CVAT, make sure that your COCO dataset folder has the following structure:
COCO_dataset/
|-- annotations/
| |-- instances_train.json
| |-- instances_val.json
|-- images/
| |-- image1.jpg
| |-- image2.jpg
| |-- ...
Installation:
git clone https://github.com/Koldim2001/COCO_to_YOLOv8.git
cd COCO_to_YOLOv8
pip install -r requirements.txt
How to run the code:
Classic approach with pre-defined train/val/test split from CVAT (Tasks have a defined Subset in CVAT):
python coco_to_yolo.py --coco_dataset="dataset_folder"
Option with automatic split into train and val:
python coco_to_yolo.py --coco_dataset="dataset_folder" --autosplit=True --percent_val=30
List of parameters with explanations that can be passed to the program before running it in the command line interface (CLI):
--coco_dataset TEXT Folder with COCO 1.0 format dataset (can be exported
from CVAT). Default is "COCO_dataset"
--yolo_dataset TEXT Folder with the resulting YOLOv8 format dataset.
Default is "YOLO_dataset"
--print_info BOOLEAN Enable/Disable processing log output mode. Default is
disabled
--autosplit BOOLEAN Enable/Disable automatic split into train/val. Default
is disabled (uses the CVAT annotations)
--percent_val FLOAT Percentage of data for val when using autosplit=True.
Default is 25%
--help Show existing options for parsing arguments in the CLI