【亲测免费】 开源项目JSON2YOLO安装与使用指南
2026-01-16 10:02:12作者:龚格成
1、项目目录结构及介绍
1.1 文件夹概览
./: 主目录包含了所有项目相关文件。/docs: 存储项目文档和技术指导的目录。/examples: 示例代码和测试案例所在的位置。/scripts: 包含用于自动化流程的Shell和Python脚本。
重要文件列表:
general_json2yolo.py: 通用的JSON转YOLO格式转换脚本。labelbox_json2yolo.py: LabelBox特定的JSON转YOLO格式转换脚本。utils.py: 提供工具函数支持的实用程序文件。requirements.txt: 必需的第三方库和软件包清单。
1.2 文件功能说明
-
general_json2yolo.py: 这个脚本用于将任何遵循COCO标准格式的JSON文件转化为YOLO格式的数据文件。它可以灵活地适应不同的标注类别,并且能够处理各种输入大小。 -
labelbox_json2yolo.py: 专门针对LabelBox输出的JSON文件设计,转换规则可能略有不同以满足LabelBox特有的数据结构需求。 -
utils.py: 包含一组用于数据解析、坐标转换和其他预处理步骤的功能函数。
2、项目的启动文件介绍
2.1 启动脚本
JSON2YOLO的主要执行文件为general_json2yolo.py 和 labelbox_json2yolo.py。其中:
general_json2yolo.py是默认使用的入口脚本,用于普通JSON文件的转换。
如何运行脚本:
-
确保你的环境已经满足
requirements.txt中的依赖条件。 -
在命令行中定位至
JSON2YOLO项目根目录。 -
对于通用的转换,你可以使用以下命令来启动转换过程:
python general_json2yolo.py --input /path/to/json/file.json --output /desired/output/directory/或者,如果你正在处理来自LabelBox的数据,应当调用:
python labelbox_json2yolo.py --input /path/to/labelbox/json/file.json --output /desired/output/directory/
3、项目的配置文件介绍
3.1 配置选项
虽然JSON2YOLO没有显式定义的配置文件,但它接受一系列命令行参数来进行定制化操作。主要参数包括但不限于:
-i/--input: 输入的JSON文件路径。-o/--output: 输出目录,用于存储转化后的YOLO格式的标注文件。--debug: 开启调试模式,在开发过程中输出更多日志和错误信息。
3.2 参数调整示例
例如,如果你想从/your/path/annotations.json这个文件开始,并将转化结果保存到/your/output/folder中,可以通过下面的命令行来实现:
python general_json2yolo.py -i /your/path/annotations.json -o /your/output/folder
或者对于LabelBox输出的JSON文件:
python labelbox_json2yolo.py -i /your/path/labelbox_annotations.json -o /your/output/folder
确保在运行上述任一命令之前,已正确安装所需的所有外部依赖项,避免因缺少必要的Python包而导致失败。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
Ascend Extension for PyTorch
Python
340
403
暂无简介
Dart
771
191
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355