如何使用pytorch加载并读取COCO数据集

这篇文章主要介绍“如何使用pytorch加载并读取COCO数据集”，在日常操作中，相信很多人在如何使用pytorch加载并读取COCO数据集问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”如何使用pytorch加载并读取COCO数据集”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

环境配置

看pytorch入门教程

基础知识：元祖、字典、数组

# 元祖
a = (1, 2)
# 字典
b = {'username': 'peipeiwang', 'code': '111'}
# 数组
c = [1, 2, 3]
print(a[0])
print(c[0])
print(b["username"])

输出：

利用PyTorch读取COCO数据集

import torchvision
from PIL import ImageDraw
# 导入coco 2017 验证集和对应annotations
coco_dataset = torchvision.datasets.CocoDetection(root="COCO_dataset_val_2017/val2017",
                                                  annFile="COCO_dataset_val_2017/annotations_trainval2017/annotations/instances_val2017.json")
# 图像和annotation分开读取
image, info = coco_dataset[0]
# ImageDraw 画图工具
image_handler = ImageDraw.ImageDraw(image)
for annotation in info:
    # bbox为检测框的位置坐标
    x_min, y_min, width, height = annotation['bbox']
    # ((), ())分别为左上角的坐标对和右上角的坐标对，image_handler.rectangle是指在图片是绘制方框
    image_handler.rectangle(((x_min, y_min), (x_min + width, y_min + height)))
image.show()

结果：

利用PyTorch读取自己制作的数据集

使用cvat工具创建自己的数据集标注，导出为coco格式并读取
结果：

到此，关于“如何使用pytorch加载并读取COCO数据集”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！