博客
关于我
json数据格式
阅读量:532 次
发布时间:2019-03-09

本文共 2633 字,大约阅读时间需要 8 分钟。

JSON数据格式是常用的数据交换格式,广泛应用于机器学习、数据分析等领域。在ICDAR(ICdar一个IDAR标注任务)中,JSON格式被广泛用于标注训练数据。以下是一个典型的JSON数据示例,展示了图像标注的具体结构:

{  "data_root": "datasets/data/train",  "data_list": [    {      "img_name": "X00016469670.jpg",      "annotations": [        {          "polygon": [            [98.0, 26.0],            [321.0, 26.0],            [321.0, 66.0],            [98.0, 66.0]          ],          "text": "TAN CHAY YEE",          "illegibility": false,          "language": "Latin",          "chars": [            {              "polygon": [],              "char": "",              "illegibility": false,              "language": "Latin"            }          ]        },        # ... 其他注释      ]    }  ]}

JSON数据结构解析

  • data_root:指定了数据集的基础路径。
  • data_list:包含了所有待处理图像的信息。每个图像包含以下子项:
    • img_name:图像文件名。
    • annotations:图像的标注结果,包括:
      • polygon:多边形边界坐标,用于标注图像中的特定区域。
      • text:标注的文本内容。
      • illegibility:标注是否存在不清晰字符。
      • language:标注语言(如Latin表示拉丁文字母)。
      • chars:单个字符的标注信息,包括字符位置和不清晰度。
  • JSON到ICDAR标注脚本的功能说明

    以下是一个用于将JSON格式数据转换为ICDAR标注文件的Python脚本示例:

    # -*- coding: utf-8 -*-import globimport os.pathimport numpy as npimport shutilimport jsonINPUT_PATH = "E:/card_data/card_autolabel/20200116"def jsonTotxt(jsonfile):    filename = os.path.split(jsonfile)[1].split('.')[0]    savefile = os.path.join("E:/datasets/icdar", filename + '.txt')        # 读取JSON文件    with open(jsonfile, 'r') as f:        b = f.read()        data = json.loads(b)        # 写入文本文件    with open(savefile, "a", encoding='utf-8') as f:        for coordict in data['shapes']:            coordlist = coordict['points']            for point in coordlist:                f.write(str(point).replace('[','').replace(']','') + ',')            f.write('###\n')# 执行批量处理shutil.rmtree("E:/datasets/icdar/", ignore_errors=True)sub_dirs = [x[0] for x in os.walk(INPUT_PATH)]is_rootdir = Truefor sub_dir in sub_dirs:    if is_rootdir:        is_rootdir = False        continue        extensions_images = ['jpg', 'JPG', 'jpeg', 'JPEG']    extensions_labels = 'json'        images_list = []    for extension in extensions_images:        images_glob = os.path.join(INPUT_PATH, '*.' + extension)        images_list.extend(glob.glob(images_glob))        if not images_list:        continue        for image in images_list:        shutil.copy(image, "E:/datasets/icdar/")        json_glob = os.path.join(INPUT_PATH, '*.' + extensions_labels)    json_lists = glob.glob(json_glob)        for json_list in json_lists:        jsonTotxt(json_list)

    ###Script 功能说明

  • 文件清理:删除目标目录中所有现有的文件和目录。
  • 图像分类与复制:遍历指定路径中的所有图像文件,根据文件扩展名分类并将文件复制到目标目录中。
  • JSON转TXT:读取每个JSON文件,将其转换为文本文件,记录图像的标注信息。
  • 标注处理:解析JSON中的标注信息,按照预定格式将标注结果写入文本文件。
  • 该脚本适用于大规模图像数据的标注转换任务,支持批量处理,确保处理效率。

    转载地址:http://ptqiz.baihongyu.com/

    你可能感兴趣的文章
    VTK:可视化之BackfaceCulling
    查看>>
    VTK:可视化之LoopShrink
    查看>>
    li 修改前面小圆点的颜色
    查看>>
    vue h5 真机调试
    查看>>
    Java 内存分配详解(六)
    查看>>
    在内存中java类和对象的区别
    查看>>
    虚拟机virtualbox设置界面最大化
    查看>>
    Java处理时间Date
    查看>>
    CentOS 7 修改ip、MAC、UUID
    查看>>
    go语言中select实现优先级
    查看>>
    web前端-CSS-字体属性
    查看>>
    web前端-CSS-媒体查询响应式和多列
    查看>>
    yolov2.cfg与yolov3配置文件参数解析
    查看>>
    【leetcode-字符串】外观数列
    查看>>
    【leetcode】Shuffle an Array 打乱一个没有重复元素的数组
    查看>>
    [notes] JSON notes
    查看>>
    [设计模式]策略模式(strategy)---算术运算
    查看>>
    设计模式之——桥接模式(Bridge)
    查看>>
    高性能MySQL——第三章服务器性能剖析
    查看>>
    【PTA】 敲笨钟 (20 分)
    查看>>