CCPD数据集高效转换为YOLO格式：技术实现与避坑指南

1次阅读

共计 2239 个字符，预计需要花费 6 分钟才能阅读完成。

CCPD（Chinese City Parking Dataset）是目前国内最全面的车牌检测数据集之一，包含了不同天气、光照条件下的车牌图像，非常适合用于训练鲁棒的车牌检测模型。而 YOLO（You Only Look Once）作为当前流行的目标检测算法，其数据格式要求与 CCPD 原始标注格式存在较大差异，因此需要进行格式转换。

YOLO 格式的基本要求是：

每个图像对应一个.txt 文件，文件名相同
每行表示一个目标，格式为：class_id x_center y_center width height
坐标和尺寸都是相对于图像宽高的归一化值（0- 1 之间）

CCPD 原始标注与 YOLO 格式的主要差异体现在：

坐标系统不同：CCPD 使用绝对坐标，YOLO 需要相对坐标
标注方式不同：CCPD 使用四点坐标表示车牌，YOLO 使用中心点 + 宽高
文件结构不同：CCPD 标注集中在一个文件，YOLO 需要每个图像单独标注
类别表示不同：CCPD 没有显式类别 ID，YOLO 需要明确类别编号

下面是一个完整的 Python 转换脚本，实现了从 CCPD 到 YOLO 格式的转换：

import os
import cv2
import json
from pathlib import Path

def convert_ccpd_to_yolo(ccpd_annotation_path, output_dir, class_id=0):
    """
    将 CCPD 标注转换为 YOLO 格式
    :param ccpd_annotation_path: CCPD 标注文件路径
    :param output_dir: YOLO 格式输出目录
    :param class_id: 类别 ID（车牌默认为 0）"""
    # 确保输出目录存在
    os.makedirs(output_dir, exist_ok=True)

    with open(ccpd_annotation_path, 'r') as f:
        annotations = json.load(f)

    for img_name, points in annotations.items():
        try:
            # 读取图像获取尺寸
            img_path = os.path.join(os.path.dirname(ccpd_annotation_path), img_name)
            img = cv2.imread(img_path)
            if img is None:
                print(f"警告：无法读取图像 {img_path}")
                continue

            img_h, img_w = img.shape[:2]

            # 计算边界框（四点坐标转矩形）x_coords = [p[0] for p in points]
            y_coords = [p[1] for p in points]
            x_min, x_max = min(x_coords), max(x_coords)
            y_min, y_max = min(y_coords), max(y_coords)

            # 转换为 YOLO 格式（归一化中心坐标和宽高）x_center = (x_min + x_max) / 2 / img_w
            y_center = (y_min + y_max) / 2 / img_h
            width = (x_max - x_min) / img_w
            height = (y_max - y_min) / img_h

            # 写入 YOLO 格式文件
            output_path = os.path.join(output_dir, Path(img_name).stem + '.txt')
            with open(output_path, 'w') as f:
                f.write(f"{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}\n")

        except Exception as e:
            print(f"处理 {img_name} 时出错: {str(e)}")

# 使用示例
if __name__ == "__main__":
    convert_ccpd_to_yolo("ccpd_annotations.json", "yolo_labels")

当处理大规模 CCPD 数据集时，可以考虑以下优化策略：