北京市政府网站首都之窗怎么做市场推广
目录
1. 介绍
2. 使用方法
3. 注意事项
4. 示例
5.完整代码
1. 介绍
该脚本用于将多个 COCO 格式的 JSON 标注文件合并为一个 JSON 文件。COCO 格式常用于目标检测和图像分割任务，包含以下三个主要部分：
"images"：图像信息，如图像 ID、文件名等。
"annotations"：标注信息，如边界框、类别 ID 等。
"categories"：类别信息，如类别 ID、名称等。
在合并过程中，脚本会重新分配 image id、bbox id 和 category id，以避免 ID 冲突并保持一致性。合并后的 image id 和 bbox id 将从 0 开始顺序排列。
2. 使用方法
打开脚本文件（例如 concat_json.py），并修改以下两个路径：
files_root：存放 JSON 文件的文件夹路径。
output_file：合并后 JSON 文件的保存路径。
files_root = r'D:\w-dataset\AOFandODV2\annotations\val' # 修改为您的 JSON 文件夹路径
output_file = r'D:\w-dataset\AOFandODV2\annotations\val\output.json' # 修改为输出文件路径3. 注意事项
JSON 格式：确保所有 JSON 文件都是有效的 COCO 格式。脚本不会检查格式错误。
ID 重新分配：合并后的 image id 和 bbox id 将从 0 开始重新分配，原始 ID 会被覆盖。
类别合并：相同的类别名称将共享同一个 category id。新的类别 ID 从 1 开始分配（0 被预留给 "ignored"）。
ID 冲突：如果原始 JSON 文件中存在相同的 image id 或 bbox id，脚本会自动重新分配以避免冲突。
4. 示例
假设有以下文件夹结构：
D:\w-dataset\AOFandODV2\annotations\val
├── file1.json
├── file2.json
└── file3.json
打开 concat_json.py 脚本。
修改 files_root 为 'D:\\w-dataset\\AOFandODV2\\annotations\\val'。
修改 output_file 为 'D:\\w-dataset\\AOFandODV2\\annotations\\val\\output.json'。
保存脚本并在终端中运行 python concat_json.py。
运行后，合并后的 JSON 文件将保存在 'D:\\w-dataset\\AOFandODV2\\annotations\\val\\output.json'。
5.完整代码
import json
from pathlib import Path
"""
拼接多个coco格式的json file
支持多个categories
会自动将 image id 与 bbox id 顺序排列
"""
def concat(files_root:str, output_file = 'output.json'):files_root = Path(files_root)#total_data = {"images": [], "categories": [{ "supercategory": None, "id": 0, "name": "_background_" }], "annotations": []}#ignoredtotal_data = {"images": [], "categories": [{"supercategory": None, "id": 0, "name": "ignored"}],"annotations": []}file_list = [str(i) for i in files_root.iterdir() if i.suffix == '.json']img_id_count, bbox_id_count, categories_count = 0, 0, 1categories_dict:dict= {}for json_file in file_list:print(f'Now Processing {json_file}')with open(file=json_file,mode='r') as f:json_data = json.load(f)images = json_data['images']annotations = json_data['annotations']categories = json_data['categories']for img_idx, image in enumerate(images):image_new = image.copy()origin_img_id = image['id']image_new['id'] = img_id_counttotal_data['images'].append(image_new)for anno_idx, anno in enumerate(annotations):if anno['image_id'] == origin_img_id:anno_new = anno.copy()anno_new['id'] = bbox_id_countanno_new['image_id'] = img_id_counttotal_data['annotations'].append(anno_new)bbox_id_count += 1for category in categories:if anno['category_id'] == category['id'] and \category['name'] not in categories_dict.keys():categories_dict[category['name']] = categories_counttotal_data['categories'].append(dict(supercategory = None, id =categories_count, name = category['name']))categories_count += 1if anno['category_id'] == category['id']:anno_new['category_id'] = categories_dict[category['name']]img_id_count += 1with open(output_file, 'w') as f:json.dump(total_data, f)if __name__ == '__main__':files_root = r'D:\w-dataset\AOFandODV2\annotations\val' # 修改为文件夹路径output_file = r'D:\w-dataset\AOFandODV2\annotations\val\output.json' # 输出文件，默认为当前路径下的 output.jsonconcat(files_root, output_file=output_file)