Skip to content

計算機視覺格式

15 種計算機視覺匯入格式，其中 11 種可雙向往返。包括帶 RLE 與人群區域的 COCO、YOLO、Pascal VOC、CVAT、雙向的 Darwin、KITTI、MOT、DAVIS、Cityscapes 等。

Potato 可讀取 15 種計算機視覺格式，其中 11 種可雙向往返：既能讀入，也能按同一格式寫回。 如果你正在權衡是否遷移一份資料集，真正的問題通常不是標籤能不能進來，而是能不能再出去。

匯入

bash
potato import --format coco path/to/annotations.json
potato import path/to/dataset/          # 依據特徵檔案自動識別

potato import 接受目錄與壓縮包，並依據特徵檔案識別格式，無需你指明。

匯入格式：COCO（多邊形、RLE、人群區域、全景、關鍵點）、YOLO、Pascal VOC、CVAT XML、Darwin（V7）、LabelMe、KITTI、MOT、DAVIS、Cityscapes、Labelbox、Open Images、VIA、WebDataset、HuggingFace。

自 Potato 2.9 起，同一條命令還能讀取 brat、doccano、Prodigy、CoNLL 與 REFI-QDA。參見匯入項目。

COCO 是按原樣匯入的，包含多邊形與 RLE 分割以及 iscrowd 人群區域，無需任何預處理步驟。已有的標註與模型輸出可以直接修正，而不必重做。

遷移這個問題

只支援匯入的路徑，讓團隊能夠離開某個平臺一次，卻永遠無法把成果交回去。在你把工具定下來之前，這種不對稱值得先查清楚。

在 Potato 中 Darwin 是雙向的，因此一份 V7 資料集可以進來、被加工、再回去。這是關於這一部分能力最值得一說的一點。

這張矩陣是生成的，也是被測試的

格式矩陣由登錄檔生成，並由一項測試固定：它斷言表中列出的每種格式確實已註冊、已註冊的格式沒有一個從表中遺漏，並且單向路徑在兩個方向上都被標註為單向。

一張可能與程式碼脫節的矩陣，比沒有矩陣更糟：它會告訴人們某次遷移可行而實際不可行；而低報了實際可行的部分，則會把人們從一次本可成功的遷移前面勸退。

各格式能承載什麼

不同格式所能保留的幾何資訊各不相同，而損失並不總是顯而易見：

  • Pascal VOC 與 KITTI 只承載框。匯出到其中任何一種時，多邊形都會退化為它的外接框。
  • YOLO 承載框與多邊形，不承載掩碼。
  • DAVIS 只承載逐實例掩碼，別的都不承載。
  • Cityscapes 承載多邊形，不承載框。
  • KITTI 3D 只承載單個偏航角，因此俯仰與滾轉會被捨棄——並且匯出時會報告捨棄了多少朝向資訊。參見點雲。

經由有損格式往返，自然會以顯而易見的方式產生損失；Potato 會說明哪個方向會損失什麼，而不是留給你自己去發現。

相關內容