python - 如何将 2D 边界框像素坐标 (x, y, w, h) 转换为相对坐标(Yolo 格式)？

Question

嗨!我正在通过在线平台注释图像数据，该平台正在生成如下输出坐标: bbox":{"top":634,"left":523,"height":103,"width":145} 但是，我想用这个注解来训练 Yolo。所以，我必须转换它yolo 格式如下: 4 0.838021 0.605556 0.177083 0.237037
在这方面，我需要有关如何转换它的帮助。

Answer 1

这里，
对于需要传递的大小 (w,h) 和需要传递的框 (x,x+w, y, y+h)
https://github.com/ivder/LabelMeYoloConverter/blob/master/convert.py

def convert(size, box):
    dw = 1./size[0]
    dh = 1./size[1]
    x = (box[0] + box[1])/2.0
    y = (box[2] + box[3])/2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x*dw
    w = w*dw
    y = y*dh
    h = h*dh
    return (x,y,w,h)

或者，您可以在下面使用

def convert(x,y,w,h):
 dw = 1.0/w
 dh = 1.0/h
 x = (2*x+w)/2.0
 y = (2*y+w)/2.0
 x = x*dw
 y = y*dh
 w = w*dw
 h = h*dh
 return (x,y,w,h)

每个网格单元预测 B 个边界框以及 C 类概率。边界框预测有 5 个分量:(x、y、w、h、置信度)。 (x, y) 坐标表示框的中心，相对于网格单元的位置(请记住，如果框的中心不在网格单元内，则该单元不对其负责)。这些坐标被归一化为介于 0 和 1 之间。 (w, h) 框尺寸也被归一化为 [0, 1]，相对于图像大小。让我们看一个例子:
What does the coordinate output of yolo algorithm represent?