我正在训练一个 YOLO 模型，我有这种格式的边界框：-
x1, y1, x2, y2 => ex (100, 100, 200, 200)
我需要将其转换为 YOLO 格式，如下所示：-
X, Y, W, H => 0.436262 0.474010 0.383663 0.178218
我已经计算了中心点 X、Y、高度 H 和重量 W。 但是仍然需要将它们转换为前面提到的浮点数。
【问题讨论】：
标签： machine-learning image-processing computer-vision yolo
这是python中的代码片段，用于将x，y坐标转换为yolo格式
def convert(size, box):
dw = 1./size[0]
dh = 1./size[1]
x = (box[0] + box[1])/2.0
y = (box[2] + box[3])/2.0
w = box[1] - box[0]
h = box[3] - box[2]
x = x*dw
w = w*dw
y = y*dh
h = h*dh
return (x,y,w,h)
im=Image.open(img_path)
w= int(im.size[0])
h= int(im.size[1])
print(xmin, xmax, ymin, ymax) #define your x,y coordinates
b = (xmin, xmax, ymin, ymax)
bb = convert((w,h), b)
查看我的示例程序，将LabelMe标注工具格式转换为Yolo格式https://github.com/ivder/LabelMeYoloConverter
【讨论】：
convert 返回中心标准化坐标中的坐标。这是相对于整个图像而不是网格单元格的。为了使其相对于网格单元，您需要乘以 (7 * center_x) - floor(7 * center_x)，假设网格大小为 7
(x1, y1, x2, y2)，而提供的答案在(xmin, xmax, ymin, ymax)，所以请相应地调整
对于那些寻找问题相反的人（yolo 格式到普通 bbox 格式）
def yolobbox2bbox(x,y,w,h):
x1, y1 = x-w/2, y-h/2
x2, y2 = x+w/2, y+h/2
return x1, y1, x2, y2
【讨论】：
yolobbox2bbox(5,5,2,2): output:(4.0, 4.0, 6.0, 6.0)。这正是像素尺寸。检查您对该函数的输入，如果最大值为 1，那么这就是您需要相乘的原因，该函数是通用的，它采用像素坐标并返回像素坐标，或者采用缩放坐标 (0,1) 并返回缩放坐标。您可以在之前或之后对其进行缩放。如果输入是像素，则不需要相乘。
YOLO 将图像空间规范化为在 x 和 y 方向上从 0 运行到 1。要在 (x, y) 坐标和 yolo (u, v) 坐标之间进行转换，您需要将数据转换为 u = x / XMAX 和 y = y / YMAX 其中XMAX、YMAX 是您正在使用的图像数组的最大坐标。
这一切都取决于以相同方式定向的图像阵列。
这是一个执行转换的 C 函数
#include <stdlib.h>
#include <stdio.h>
#include <errno.h>
#include <math.h>
struct yolo {
float u;
float v;
};
struct yolo
convert (unsigned int x, unsigned int y, unsigned int XMAX, unsigned int YMAX)
{
struct yolo point;
if (XMAX && YMAX && (x <= XMAX) && (y <= YMAX))
{
point.u = (float)x / (float)XMAX;
point.v = (float)y / (float)YMAX;
}
else
{
point.u = INFINITY;
point.v = INFINITY;
errno = ERANGE;
}
return point;
}/* convert */
int main()
{
struct yolo P;
P = convert (99, 201, 255, 324);
printf ("Yolo coordinate = <%f, %f>\n", P.u, P.v);
exit (EXIT_SUCCESS);
}/* main */
【讨论】：
对于yolo格式转x1,y1,x2,y2格式
def yolobbox2bbox(x,y,w,h):
x1 = int((x - w / 2) * dw)
x2 = int((x + w / 2) * dw)
y1 = int((y - h / 2) * dh)
y2 = int((y + h / 2) * dh)
if x1 < 0:
x1 = 0
if x2 > dw - 1:
x2 = dw - 1
if y1 < 0:
y1 = 0
if y2 > dh - 1:
y2 = dh - 1
return x1, y1, x2, y2
【讨论】：
只是阅读我也在寻找这个的答案，但发现这更能了解后端发生的事情。 在此填写：Source
假设x/ymin 和x/ymax 分别是您的边界角，top left and bottom right。那么：
x = xmin
y = ymin
w = xmax - xmin
h = ymax - ymin
然后你需要normalize这些，这意味着将它们作为整个图像的一部分，所以简单地将每个值除以其各自的大小从上面的值：
x = xmin / width
y = ymin / height
w = (xmax - xmin) / width
h = (ymax - ymin) / height
这假定原点位于左上角，如果不是这种情况，则必须应用移位因子。
所以答案
【讨论】：