データセット作成関連便利ツール集

概要

YOLO形式の学習データセットを用いた学習を行うことを想定し，アノテーションファイルは，

クラス番号 x**座標 y**座標 横幅 縦幅
クラス番号 x**座標 y**座標 横幅 縦幅
...

の形式で書かれたテキストファイルを想定している．

作業ディレクトリを以下のようなディレクトリ構成とする． workspace は，作業ディレクトリのルートディレクトリを表す．
```
workspace  
  ├── images  
  └── labels
```
images : 画像ファイルを置いたディレクトリ labels : YOLO形式のアノテーションファイルを置いたディレクトリ
classify.sh を使って，images のデータセットを train，valid，test に分類する．
create_list.py を使って，画像パスが書かれたリストファイルを作成する．学習やテストの際は，このリストファイルをもとに，データセットにアクセスする．

cocodatasets_createpart/main.py
coco の instance ファイル (instances_trainval35k.json など) から画像ファイルへのパスを羅列したファイル (trainvalno5k.txt みたいなファイル) を生成する．

coco_tools/class_extracter.py
COCOデータセットから特定クラスの画像のみを抽出し，画像パスを羅列したファイル (hogehoge.txt) を生成する．
labeling_view/main.py
アノテーション情報を元に，矩形を描画した画像を生成する．正しくアノテーションできているか確認するために使用する．
create_list.py
train，valid，test のディレクトリ内容を元に，画像のパスを列挙したリストファイルを生成する．
[ Usage ] $ create_list.py {データセットのtrain，valid，testがあるパス}
classify.sh
images のデータセットを，train，valid，test に分類する．

[ Usage ]
1. データセットのディレクトリ images，labels を用意する．
2. 必要なら，classify.sh の train，valid，test の比率を調整する．デフォルトは train : valid : test = 7 : 2 : 1．
  必要なら，classify.sh の IMG_FORMAT を変える．デフォルトは png
3. classify.sh {images，labels のあるパス}
  で，指定したパスに train，valid，test を作成する．実行後は以下のようなディレクトリ構成になる．
```
workspace  
   ├── images  
   │      ├── train  
   │      ├── valid  
   │      └── test  
   │
   └── labels  
          ├── train  
          ├── valid  
          └── test  
```