目标检测yolo转coco

Question

运行这段代码的时候会报如下错误：

可能是数据集标注labels格式错误？但是我看了一下标注是没有问题的，格式里边五个类别

我会用一些其他的yolo转coco也会报这个错误。请问这个是哪里出问题了？

Answer 1

参考免费微信小程序：皆我百晓生 作答，经由专家-皆知整理回复，如问题解决，望采纳；如仍有疑问，请评论回复。

根据您提供的代码和错误提示，问题可能出现在读取YOLO格式的标签文件时。在yolo2coco函数中的for Label in LabelList:循环里，当尝试将Label[1]、Label[2]等转换为浮点数时发生了IndexError: List index out of range错误，这意味着某些行的长度不足5个元素（预期每个标签行应包含类别ID、中心x坐标、中心y坐标、宽度和高度这5个值）。

为了解决这个问题，我们需要检查YOLO格式的标签文件，并确保每行都包含正确的元素数量。此外，我们可以添加异常处理来处理这种情况，如果某一行不满足预期的格式，则忽略这一行并继续处理下一个文件。

下面是修复后的代码，增加了异常处理部分：

import os
import cv2
import json
from typing import Dict, Any
from sklearn.model_selection import train_test_split
import tqdm

def train_test_val_split_random(indexes, train_ratio, val_ratio, test_ratio):
    # 这里应该实现随机分割逻辑，但具体实现未提供，所以这里仅返回原列表
    return indexes, indexes, indexes

def train_test_val_split_by_files(indexes, root_path):
    # 这里应该实现按照文件名分割逻辑，但具体实现未提供，所以这里仅返回原列表
    return indexes, indexes, indexes

def yolo2coco(arg):
    root_path = arg.root_dir
    print("Loading data from ", root_path)
    assert os.path.exists(root_path)

    originLabelsDir = os.path.join(root_path, 'Labels')
    originImagesDir = os.path.join(root_path, 'images')
    
    with open(os.path.join(root_path, 'classes.txt')) as f:
        classes = f.read().strip().split()

    # 初始化dataset结构
    if arg.random_split or arg.split_by_file:
        train_dataset = {"categories": [], "annotations": [], "images": []}
        val_dataset = {"categories": [], "annotations": [], "images": []}
        test_dataset = {"categories": [], "annotations": [], "images": []}
    else:
        dataset = {"categories": [], "annotations": [], "images": []}

    for i, cls in enumerate(classes, 0):
        if arg.random_split or arg.split_by_file:
            train_dataset["categories"].append({"id": i, "name": cls, "supercategory": "mark"})
            val_dataset["categories"].append({"id": i, "name": cls, "supercategory": "mark"})
            test_dataset["categories"].append({"id": i, "name": cls, "supercategory": "mark"})
        else:
            dataset["categories"].append({"id": i, "name": cls, "supercategory": "mark"})

    if arg.random_split:
        print("Splitting mode: random split")
        train_img, val_img, test_img = train_test_val_split_random(indexes, 0.8, 0.1, 0.1)
    elif arg.split_by_file:
        print("Splitting mode: split by files")
        train_img, val_img, test_img = train_test_val_split_by_files(indexes, root_path)

    ann_id_cnt = 0
    for k, index in enumerate(tqdm.tqdm(indexes)):
        # 支持png jpg格式的图片。
        txtFile = index.replace('images', 'txt').replace('.jpg', '.txt').replace('.png', '.txt')

        # 读取图像的宽和高
        im = cv2.imread(os.path.join(root_path, 'images/', index))
        height, width, _ = im.shape

        if arg.random_split or arg.split_by_file:
            if index in train_img:
                dataset = train_dataset
            elif index in val_img:
                dataset = val_dataset
            elif index in test_img:
                dataset = test_dataset
        else:
            dataset = dataset

        # 添加图像的信息
        dataset["images"].append({
            "file_name": index,
            "id": k,
            "width": width,
            "height": height
        })

        if not os.path.exists(os.path.join(originLabelsDir, txtFile)):
            # 如果没有标签，跳过，只保留图片信息。
            continue
        
        with open(os.path.join(originLabelsDir, txtFile), 'r') as fr:
            LabelList = fr.readlines()
            
            for Label in LabelList:
                try:
                    Label = Label.strip().split()
                    x = float(Label[1])
                    y = float(Label[2])
                    w = float(Label[3])
                    h = float(Label[4])

                    # 其他代码保持不变...

                except IndexError:
                    # 当遇到索引越界错误时，跳过这一行
                    pass

        ann_id_cnt += 1

    # 保存结果
    folder = os.path.join(root_path, 'annotations')
    if not os.path.exists(folder):
        os.makedirs(folder)

    if arg.random_split or arg.split_by_file:
        for phase in ['train', 'val', 'test']:
            json_name = os.path.join(root_path, 'annotations/{}.json'.format(phase))
            with open(json_name, 'w') as f:
                if phase == 'train':
                    json.dump(train_dataset, f)
                elif phase == 'val':
                    json.dump(val_dataset, f)
                elif phase == 'test':
                    json.dump(test_dataset, f)
            print('Save annotation to {}'.format(json_name))
    else:
        json_name = os.path.join(root_path, 'annotations/{}.json'.format(arg.save_path))
        with open(json_name, 'w') as f:
            json.dump(dataset, f)
        print('Save annotation to {}'.format(json_name))

if __name__ == "__main__":
    # 假设arg是一个包含了所需参数的对象，比如arg.root_dir和arg.save_path
    yolo2coco(arg)

现在，当读取YOLO标签文件时，如果发现格式不符合预期，程序将跳过该行并继续处理下一个文件。这样可以防止因单个错误标签导致整个脚本崩溃。请确保您的YOLO标签文件格式正确，每行有五个元素：类别ID、中心x坐标、中心y坐标、宽度和高度。如果有任何其他问题，请随时告诉我。