ArcMap标注数据导出为训练集的完整技术方案与避坑指南

1次阅读

共计 1665 个字符，预计需要花费 5 分钟才能阅读完成。

在 GIS 领域，ArcMap 是常用的空间数据处理工具，而机器学习领域则常用 COCO/YOLO 等标注格式。将 ArcMap 中的标注数据（通常为 SHP 格式）转换为机器学习训练集时，会遇到几个核心问题：

格式差异 ：SHP 文件存储的是地理坐标系的矢量数据，而 COCO/YOLO 等格式使用相对坐标或像素坐标
效率问题 ：手动转换不仅耗时，且在数据量大时容易出错
信息丢失 ：SHP 中的属性字段（如类别标签）需要正确映射到目标格式

数据预处理：检查标注数据的完整性和一致性
坐标系转换：将地理坐标转换为目标格式需要的坐标系
格式转换：将矢量要素转换为 COCO/YOLO 等格式
质量校验：验证转换结果的准确性

坐标系转换 ：
使用 arcpy.Project_management 进行坐标系转换
对于 YOLO 格式需要将地理坐标归一化为 0 - 1 的相对坐标
属性映射 ：
通过 arcpy.ListFields 获取字段信息
建立字段名到类别 ID 的映射关系
几何处理 ：
多边形数据需要转换为 COCO 的 segmentation 格式
点数据需要扩展为指定大小的 bbox

import arcpy
import json
import os

# 设置工作空间
arcpy.env.workspace = "./data"
arcpy.env.overwriteOutput = True

def shp_to_coco(input_shp, output_json):
    """
    将 SHP 文件转换为 COCO 格式
    :param input_shp: 输入 SHP 文件路径
    :param output_json: 输出 JSON 文件路径
    """
    # 初始化 COCO 数据结构
    coco_data = {"images": [],
        "annotations": [],
        "categories": []}

    # 处理类别信息
    class_field = "class_name"  # 假设类别存储在 class_name 字段
    unique_classes = set()

    # 使用 SearchCursor 高效读取数据
    with arcpy.da.SearchCursor(input_shp, ["SHAPE@", class_field]) as cursor:
        for row in cursor:
            geom = row[0]  # 几何对象
            class_name = row[1]  # 类别名称

            # 跳过空几何
            if geom is None or geom.isEmpty:
                continue

            # 处理类别
            if class_name not in unique_classes:
                unique_classes.add(class_name)
                coco_data["categories"].append({"id": len(unique_classes),
                    "name": class_name
                })

            # 转换几何到 COCO 格式
            if geom.type == "polygon":
                # 处理多边形
                pass  # 实际实现省略
            elif geom.type == "point":
                # 处理点
                pass  # 实际实现省略

    # 保存结果
    with open(output_json, 'w') as f:
        json.dump(coco_data, f)