目标检测数据集分析

平时我们经常需要对我们的数据集进行各种分析，以便我们找到更好的提高方式。所以我将我平时分析数据集的一些方法打包发布在了Github上，分享给大家，有什么错误和意见，请多多指教！

图片数量、标注框数量、类别信息

这些信息会在终端打印出来，格式如下：

Parsing dataset, please wait...
Parsing done. (0.013s)

number of images: 1266
number of annotations: 2950
number of categories: 6
names of categories:  ['inclusion', 'rolled-in_scale', 'pitted_surface', 'patches', 'crazing', 'scratches']

所有图片宽度和高度的散点图

这里只有一个点，是因为所有的图片尺寸相同

所有标注框宽度和高度的散点图

标注框宽度和高度之比 横坐标为比率，纵坐标为数量

每一类的标注框数量

每一类图片数量

每一张图片上的标注框数量

横坐标为一张图片上的标注框数量，纵坐标为图片数量

不同尺寸的图片数量

根据coco的划分规则计算

使用方法

GitHub - Ghlerrix/DataAnalyze: Object-detection dataset analyzeopen in new window

Install

git clone https://github.com/Ghlerrix/DataAnalyze.gitcd DataAnalyzepip install -r requirements.txt

Usage

python analyze.py ${type} ${path} [--out ${out}]

• type The format of the dataset, optional ‘coco’ or ‘voc’.
• path The path of dataset. If type is ‘coco’, the path is the json file path. If type is ‘voc’, the path is the path of the xml file directory.
• -out is the output directory, default is ‘./out’

Example

python analyze.py coco ./tarin.json --out ./out/

python analyze.py voc ./xml/ --out ./out/