{
  "id": 254311,
  "title": "请问pos_category_ids代表什么意思里面的一大串数字什么意思?，neg_category_ids\": [228, 333, 466]代表什么意思？数字什么意思    基线模型中有xmin,ymin从哪里来的，json 文件中没有，是通过gluon转化来的吗?数据标注只有3062张，实际images图片有4000多，没有全部标注对吧",
  "url": "/competitions/cowboyoutfits/discussion/254311",
  "author_name": "",
  "post_date": "2021-07-21T07:13:04.315292Z",
  "votes": 3,
  "comment_count": 4,
  "views": 0,
  "content": "<p>请问pos_category_ids代表什么意思里面的一大串数字什么意思?，neg_category_ids\": [228, 333, 466]代表什么意思？数字什么意思    基线模型中有xmin,ymin从哪里来的，json 文件中没有，是通过gluon转化来的吗?数据标注只有3062张，实际images图片有4000多，没有全部标注对吧</p>",
  "messages": [
    {
      "id": "1395385",
      "postDate": "07/21/2021 07:13:04",
      "content": "<p>请问pos_category_ids代表什么意思里面的一大串数字什么意思?，neg_category_ids\": [228, 333, 466]代表什么意思？数字什么意思    基线模型中有xmin,ymin从哪里来的，json 文件中没有，是通过gluon转化来的吗?数据标注只有3062张，实际images图片有4000多，没有全部标注对吧</p>",
      "rawMarkdown": "请问pos_category_ids代表什么意思里面的一大串数字什么意思?，neg_category_ids\": [228, 333, 466]代表什么意思？数字什么意思    基线模型中有xmin,ymin从哪里来的，json 文件中没有，是通过gluon转化来的吗?数据标注只有3062张，实际images图片有4000多，没有全部标注对吧",
      "votes": null
    },
    {
      "id": "1395530",
      "postDate": "07/21/2021 09:38:33",
      "content": "<ol>\n<li>coco数据集的格式：参考<a href=\"https://zhuanlan.zhihu.com/p/29393415\" target=\"_blank\">COCO标注格式</a><br>\n前面一大段是描述，后半段是annotation，里面有image_id,category_id,bbox&lt;--x,y,w,h<br>\n分享一个COCO转YOLO方便的脚本：<a href=\"https://github.com/ssaru/convert2Yolo\" target=\"_blank\">conver2yolo</a><br>\n先准备个cowboy.names，在example.py里添加如下即可</li>\n</ol>\n<pre><code>belt\nsunglasses\nboot\ncowboy_hat\njacket\n</code></pre>\n<pre><code>config_cowboy = {\n    \"datasets\": \"COCO\",\n    \"img_path\": r\"Dataset/images\",\n    \"label\": r\"Dataset/train.json\",\n    \"img_type\": \".jpg\",\n    \"manifest_path\": \"./\",\n    \"output_path\": r\"Dataset/yolo_labels\",\n    \"cls_list\": \"../cowboy.names\",\n}\ncheck_output(r\"Dataset\\yolo_labels\")\nmain(config_cowboy)\n</code></pre>\n<ol>\n<li>共4879张图片，train 3062 valid 999 test 818<br>\ntrain是你实际训练能用图片，valid无标签测试提交用，test是最后一天提交用</li>\n</ol>",
      "rawMarkdown": "1. coco数据集的格式：参考[COCO标注格式](https://zhuanlan.zhihu.com/p/29393415)\n前面一大段是描述，后半段是annotation，里面有image_id,category_id,bbox<--x,y,w,h\n分享一个COCO转YOLO方便的脚本：[conver2yolo](https://github.com/ssaru/convert2Yolo)\n先准备个cowboy.names，在example.py里添加如下即可\n```\nbelt\nsunglasses\nboot\ncowboy_hat\njacket\n```\n```python\nconfig_cowboy = {\n    \"datasets\": \"COCO\",\n    \"img_path\": r\"Dataset/images\",\n    \"label\": r\"Dataset/train.json\",\n    \"img_type\": \".jpg\",\n    \"manifest_path\": \"./\",\n    \"output_path\": r\"Dataset/yolo_labels\",\n    \"cls_list\": \"../cowboy.names\",\n}\ncheck_output(r\"Dataset\\yolo_labels\")\nmain(config_cowboy)\n```\n\n2. 共4879张图片，train 3062 valid 999 test 818\ntrain是你实际训练能用图片，valid无标签测试提交用，test是最后一天提交用",
      "votes": null
    },
    {
      "id": "1395536",
      "postDate": "07/21/2021 09:45:30",
      "content": "<p>谢谢了你的指点，我学习一下啊！</p>",
      "rawMarkdown": "谢谢了你的指点，我学习一下啊！",
      "votes": null
    },
    {
      "id": "1396293",
      "postDate": "07/22/2021 01:54:38",
      "content": "<p>也就是说pos_category_ids，neg_category_ids 这些没有什么用，所以不用管他们对吧，只关注bbox 以及类别等等信息，对吧</p>",
      "rawMarkdown": "也就是说pos_category_ids，neg_category_ids 这些没有什么用，所以不用管他们对吧，只关注bbox 以及类别等等信息，对吧",
      "votes": null
    },
    {
      "id": "1397369",
      "postDate": "07/23/2021 06:06:07",
      "content": "<p>注意coco的bbox格式是xywh不是x_min,y_min,x_max,y_max😂</p>",
      "rawMarkdown": "注意coco的bbox格式是xywh不是x_min,y_min,x_max,y_max😂",
      "votes": null
    }
  ],
  "comments": [
    {
      "id": 1395530,
      "author_name": "snowclem",
      "author_url": "",
      "post_date": "07/21/2021 09:38:33",
      "content": "<ol>\n<li>coco数据集的格式：参考<a href=\"https://zhuanlan.zhihu.com/p/29393415\" target=\"_blank\">COCO标注格式</a><br>\n前面一大段是描述，后半段是annotation，里面有image_id,category_id,bbox&lt;--x,y,w,h<br>\n分享一个COCO转YOLO方便的脚本：<a href=\"https://github.com/ssaru/convert2Yolo\" target=\"_blank\">conver2yolo</a><br>\n先准备个cowboy.names，在example.py里添加如下即可</li>\n</ol>\n<pre><code>belt\nsunglasses\nboot\ncowboy_hat\njacket\n</code></pre>\n<pre><code>config_cowboy = {\n    \"datasets\": \"COCO\",\n    \"img_path\": r\"Dataset/images\",\n    \"label\": r\"Dataset/train.json\",\n    \"img_type\": \".jpg\",\n    \"manifest_path\": \"./\",\n    \"output_path\": r\"Dataset/yolo_labels\",\n    \"cls_list\": \"../cowboy.names\",\n}\ncheck_output(r\"Dataset\\yolo_labels\")\nmain(config_cowboy)\n</code></pre>\n<ol>\n<li>共4879张图片，train 3062 valid 999 test 818<br>\ntrain是你实际训练能用图片，valid无标签测试提交用，test是最后一天提交用</li>\n</ol>",
      "votes": null,
      "replies": []
    },
    {
      "id": 1395536,
      "author_name": "zanghf163com",
      "author_url": "",
      "post_date": "07/21/2021 09:45:30",
      "content": "<p>谢谢了你的指点，我学习一下啊！</p>",
      "votes": null,
      "replies": []
    },
    {
      "id": 1396293,
      "author_name": "zanghf163com",
      "author_url": "",
      "post_date": "07/22/2021 01:54:38",
      "content": "<p>也就是说pos_category_ids，neg_category_ids 这些没有什么用，所以不用管他们对吧，只关注bbox 以及类别等等信息，对吧</p>",
      "votes": null,
      "replies": [
        {
          "id": 1397369,
          "author_name": "snowclem",
          "author_url": "",
          "post_date": "07/23/2021 06:06:07",
          "content": "<p>注意coco的bbox格式是xywh不是x_min,y_min,x_max,y_max😂</p>",
          "votes": null,
          "replies": []
        }
      ]
    }
  ],
  "raw_markdown_by_id": {
    "1395385": "请问pos_category_ids代表什么意思里面的一大串数字什么意思?，neg_category_ids\": [228, 333, 466]代表什么意思？数字什么意思    基线模型中有xmin,ymin从哪里来的，json 文件中没有，是通过gluon转化来的吗?数据标注只有3062张，实际images图片有4000多，没有全部标注对吧",
    "1395530": "1. coco数据集的格式：参考[COCO标注格式](https://zhuanlan.zhihu.com/p/29393415)\n前面一大段是描述，后半段是annotation，里面有image_id,category_id,bbox<--x,y,w,h\n分享一个COCO转YOLO方便的脚本：[conver2yolo](https://github.com/ssaru/convert2Yolo)\n先准备个cowboy.names，在example.py里添加如下即可\n```\nbelt\nsunglasses\nboot\ncowboy_hat\njacket\n```\n```python\nconfig_cowboy = {\n    \"datasets\": \"COCO\",\n    \"img_path\": r\"Dataset/images\",\n    \"label\": r\"Dataset/train.json\",\n    \"img_type\": \".jpg\",\n    \"manifest_path\": \"./\",\n    \"output_path\": r\"Dataset/yolo_labels\",\n    \"cls_list\": \"../cowboy.names\",\n}\ncheck_output(r\"Dataset\\yolo_labels\")\nmain(config_cowboy)\n```\n\n2. 共4879张图片，train 3062 valid 999 test 818\ntrain是你实际训练能用图片，valid无标签测试提交用，test是最后一天提交用",
    "1395536": "谢谢了你的指点，我学习一下啊！",
    "1396293": "也就是说pos_category_ids，neg_category_ids 这些没有什么用，所以不用管他们对吧，只关注bbox 以及类别等等信息，对吧",
    "1397369": "注意coco的bbox格式是xywh不是x_min,y_min,x_max,y_max😂"
  },
  "source": "meta"
}