Skip to content

计算机视觉格式

15 种导入格式与 29 种导出格式，其中 11 种可双向往返。包括带 RLE 与人群区域的 COCO、YOLO、Pascal VOC、CVAT、双向的 Darwin、KITTI、MOT、DAVIS、Cityscapes 等。

Potato 可读取 15 种计算机视觉格式、写出 29 种，其中 11 种可双向往返。 如果你正在权衡是否迁移一份数据集，真正的问题通常不是标签能不能进来，而是能不能再出去。

导入

bash
potato import --format coco path/to/annotations.json
potato import path/to/dataset/          # 依据特征文件自动识别

potato import 接受目录与压缩包，并依据特征文件识别格式，无需你指明。

导入格式：COCO（多边形、RLE、人群区域、全景、关键点）、YOLO、Pascal VOC、CVAT XML、Darwin（V7）、LabelMe、KITTI、MOT、DAVIS、Cityscapes、Labelbox、Open Images、VIA、WebDataset、HuggingFace。

COCO 是按原样导入的，包含多边形与 RLE 分割以及 iscrowd 人群区域，无需任何预处理步骤。已有的标注与模型输出可以直接修正，而不必重做。

迁移这个问题

只支持导入的路径，让团队能够离开某个平台一次，却永远无法把成果交回去。在你把工具定下来之前，这种不对称值得先查清楚。

在 Potato 中 Darwin 是双向的，因此一份 V7 数据集可以进来、被加工、再回去。这是关于这一部分能力最值得一说的一点。

这张矩阵是生成的，也是被测试的

格式矩阵由注册表生成，并由一项测试固定：它断言表中列出的每种格式确实已注册、已注册的格式没有一个从表中遗漏，并且单向路径在两个方向上都被标注为单向。

一张可能与代码脱节的矩阵，比没有矩阵更糟：它会告诉人们某次迁移可行而实际不可行；而低报了实际可行的部分，则会把人们从一次本可成功的迁移前面劝退。

各格式能承载什么

不同格式所能保留的几何信息各不相同，而损失并不总是显而易见：

  • Pascal VOC 与 KITTI 只承载框。导出到其中任何一种时，多边形都会退化为它的外接框。
  • YOLO 承载框与多边形，不承载掩码。
  • DAVIS 只承载逐实例掩码，别的都不承载。
  • Cityscapes 承载多边形，不承载框。
  • KITTI 3D 只承载单个偏航角，因此俯仰与滚转会被舍弃——并且导出时会报告舍弃了多少朝向信息。参见点云。

经由有损格式往返，自然会以显而易见的方式产生损失；Potato 会说明哪个方向会损失什么，而不是留给你自己去发现。

相关内容