EasyDL物体检测数据转为VOC数据集

在进行物体检测任务的时候，数据标注是比较麻烦的，而是用EasyDL可以只标注30%的数据，再使用智能标注来高效的标注。但是EasyDL标注完的数据不方便拿出来，而且保存的JSON不方便进行使用，所以可以以下方法进行导出和转换。导出在AI Studio中创建数据集，选择从EasyDL导出，就可以创建数据集了。然后该数据集是可以下载的，并且AI Studio的数据集下载挺快的。转换官方好像并没有提供这

欧阳罢笔

1055人浏览 · 2021-10-18 17:08:32

欧阳罢笔 · 2021-10-18 17:08:32 发布

在进行物体检测任务的时候，数据标注是比较麻烦的，而是用EasyDL可以只标注30%的数据，再使用智能标注来高效的标注。但是EasyDL标注完的数据不方便拿出来，而且保存的JSON不方便进行使用，所以可以以下方法进行导出和转换。

导出

在AI Studio中创建数据集，选择从EasyDL导出，就可以创建数据集了。然后该数据集是可以下载的，并且AI Studio的数据集下载挺快的。
在这里插入图片描述

转换

官方好像并没有提供这些JSON格式转换的API。而在使用PaddleX的时候，需要VOC格式的数据进行训练，于是自己写了一个简单的，可以参考：https://github.com/geoyee/easydl2paddlex-det。

魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

【计算机视觉】Pixel逐像素分类&Mask掩码分类理解摘要

魔乐社区

计算机视觉（opencv）实战三十二——CascadeClassifier 人脸微笑检测（摄像头）

本文从原理到实现，详细介绍了基于 OpenCV Haar 分类器的人脸与微笑检测：讲解了 Haar 特征和级联检测原理。对代码逐行拆解并解释参数含义。画出完整流程图，帮助理解执行过程。给出了常见问题和优化建议，甚至扩展到深度学习方法。这种方法简单、轻量、实时性好，非常适合入门和小型应用项目。但如果需要更高准确率和更强鲁棒性，建议使用深度学习检测器替代 Haar 分类器。