https://github.com/agroboticsresearch/sam_alpha_clip
img2label, yolo datasets.
Science Score: 26.0%
This score indicates how likely this project is to be science-related based on various indicators:
-
○CITATION.cff file
-
✓codemeta.json file
Found codemeta.json file -
✓.zenodo.json file
Found .zenodo.json file -
○DOI references
-
○Academic publication links
-
○Academic email domains
-
○Institutional organization owner
-
○JOSS paper metadata
-
○Scientific vocabulary similarity
Low similarity (1.3%) to scientific vocabulary
Last synced: 9 months ago
·
JSON representation
Repository
img2label, yolo datasets.
Basic Info
- Host: GitHub
- Owner: AgRoboticsResearch
- Language: Jupyter Notebook
- Default Branch: master
- Size: 5.23 MB
Statistics
- Stars: 1
- Watchers: 2
- Forks: 0
- Open Issues: 0
- Releases: 0
Created about 2 years ago
· Last pushed about 2 years ago
Metadata Files
Readme
README.MD
本代码是为了实现img2txt的自动化过程，这里生成的数据集是yolo格式。首先需要下载对应的依赖。
1 Install
CLIP https://github.com/openai/CLIP
AlPHA-CLIP https://github.com/SunzeY/AlphaCLIP
2.1 图像在一个文件夹,生成label
1)运行"../auto_py/dataset.py"划分数据集；
根据自己的需求修改line 42-46的路径和比例。
2)运行"../auto_py/auto_label_multi_folder.py",可以生成全种类的txt。
根据自己的需求修改line 72-103 + 145的权重文件、输入输出路径等。
注：texts是给alpha_clip的描述词；
label_dict和text是可视化用的，类别顺序要对应。
3)运行"../auto_py/bstract.py",提取自己想要的类别。
根据自己的需求修改line12 + 24-25的classes和输入输出路径。
2.2 只针对一个img文件夹想生成txt
运行"../auto_py/auto_label_one_folder.py"
根据需求修改line 71-81 + 126-143的路径和自定义类别。
3 其他说明
3.1 已经生成了黑白掩码 想要txt:
运行"../auto_py/mask2txt/mask2txt.py".
3.2 针对具体的类别，想用二次验证进一步提升正确率，这里具体问题要具体分析:
运行“../auto_py/mask2txt/leaf_or_strawberry.py”.
3.3 想计算生成txt的iou：
运行"../auto_py/label_val/iou.py". 修改line 45-47的路径 + line 66的类别。
3.4 想可视化txt里面的坐标：
运行"../auto_py/label_val/visualization.py". 修改line 5-11的路径即可。
之后按照自己想训练的分割网络调整数据集格式即可。
Owner
- Name: AgRoboticsResearch
- Login: AgRoboticsResearch
- Kind: organization
- Repositories: 1
- Profile: https://github.com/AgRoboticsResearch