VisDrone数据集转YOLO格式的Python实现

1. VisDrone数据集转YOLO格式工具解析

在计算机视觉领域，数据集格式转换是模型训练前的关键准备工作。VisDrone作为无人机视角下的目标检测数据集，其标注格式与YOLO系列算法要求的格式存在显著差异。本文将详细介绍如何通过Python工具链实现VisDrone到YOLO格式的高效转换。

VisDrone数据集采用每帧独立标注的方式，包含12个类别（如行人、车辆等），标注信息存储在txt文件中，每行表示一个目标实例，格式为：

code复制<帧序号>,<目标ID>,<bbox左上角x>,<bbox左上角y>,<bbox宽度>,<bbox高度>,<得分>,<类别>,<截断/遮挡标志>

而YOLO格式要求每个图像对应一个txt文件，每行表示一个目标，格式为：

code复制<类别索引> <中心点x比例> <中心点y比例> <宽度比例> <高度比例>

2. 核心转换逻辑实现

2.1 类别映射策略

VisDrone的12个类别中需要过滤掉"ignored regions"和"others"等无效类别。我们建立如下映射关系：

python复制category_mapping = {
    1: 0,  # pedestrian -> 0
    2: 1,  # people -> 1 
    3: 2,  # bicycle -> 2
    4: 3,  # car -> 3
    5: 4,  # van -> 4
    6: 5,  # truck -> 5
    7: 6,  # tricycle -> 6
    8: 7,  # awning-tricycle -> 7
    9: 8,  # bus -> 8
    10: 9  # motor -> 9
}

注意：实际应用中建议将映射关系保存为JSON配置文件，方便后续调整类别

2.2 坐标归一化处理

YOLO格式要求坐标必须是相对于图像宽高的比例值（0-1之间）。转换公式为：

python复制x_center = (bbox_left + bbox_width/2) / image_width
y_center = (bbox_top + bbox_height/2) / image_height 
width