毕业设计做课程网站好,自贡市网站建设,舆情报告撰写,宁波外贸公司大全在计算机视觉和深度学习领域#xff0c;标注文件是模型训练的重要组成部分。无论是图像分类、目标检测还是图像分割#xff0c;正确的标注能够显著提升模型的性能。在实际应用中#xff0c;我们需要快速了解每个类别的样本数量#xff0c;以便进行数据分析、平衡类别分布或…在计算机视觉和深度学习领域标注文件是模型训练的重要组成部分。无论是图像分类、目标检测还是图像分割正确的标注能够显著提升模型的性能。在实际应用中我们需要快速了解每个类别的样本数量以便进行数据分析、平衡类别分布或优化模型训练。
以下是各个格式的文件代码输出均按照标签数量从多到少排序其中txt输入需要修改列表中标签。
统计YOLO格式的TXT文件
import os
from collections import Counterstring_table [hat,nohat] #按顺序修改为类别列表
folder_path r #修改为txt文件夹
category_counter Counter()for filename in os.listdir(folder_path):if filename.endswith(.txt):file_path os.path.join(folder_path, filename)with open(file_path, r) as file:for line in file:category_index int(line.split()[0])if category_index len(string_table):category string_table[category_index]category_counter[category] 1
print(各类别数量:)
for category in string_table:count category_counter[category]print(f{category}: {count})
统计VOC格式的XML文件
import os
import xml.etree.ElementTree as ETclass_count {}
folder_path r # 此处修改为xml文件夹
for filename in os.listdir(folder_path):if filename.endswith(.xml):tree ET.parse(os.path.join(folder_path, filename))root tree.getroot()for obj in root.findall(object):name obj.find(name).textif name in class_count:class_count[name] 1else:class_count[name] 1
sorted_class_count sorted(class_count.items(), keylambda x: x[1], reverseTrue)
print(各类别数量:)
for name, count in sorted_class_count:print(f{name}: {count})统计JSON文件
import os
import json
from collections import Counterjson_folder r # 修改JSON文件夹路径
json_files [f for f in os.listdir(json_folder) if f.endswith(.json)]
category_counter Counter()
for json_file in json_files:with open(os.path.join(json_folder, json_file), r) as f:data json.load(f)for shape in data[shapes]:category shape[label]category_counter[category] 1
sorted_category_count sorted(category_counter.items(), keylambda x: x[1], reverseTrue)
print(各类别数量)
for category, count in sorted_category_count:print(f{category}: {count})
