label数据（或自界说数据集）转imagenet（用于mmclassification）

理论上用于分类的图像一样平常都不必要用labelme来标注的，笔者是由于刚妙手上有这么一组数据，以是就顺带处理处罚了。labelme标注完的数据每张还包罗了一个json文件，这个在分类任务中用不上。具体的mmclassification利用方法在我的另一篇文章里有，必要注意的是现在分类任务被聚集在mmpretrain里了。用法也长处区别，不外也都是渺小的修改，都还能用。
数据处理处罚代码如下：

1. import os, random, shutil
3. # 最开始train的文件夹路径
4. ori_path = r'F:\Data\doctor_research\Arthritis_mini'
6. # label种类：
7. label_list = ['arthritis', 'normal']
9. # 抽取比例  ******自己改*******
10. val_ratio, test_ratio = 0.1, 0.2  # 抽取比例  ******自己改*******
12. # 处理好的数据集路径
13. result_path = os.path.join(ori_path, 'result')
15. # 存放图片的文件地址
16. train_path = os.path.join(result_path, 'train')
17. test_path = os.path.join(result_path, 'test')
18. val_path = os.path.join(result_path, 'val')
20. # meta文件夹地址
21. meta_path = os.path.join(result_path, 'meta')
22. # meta文件夹下的txt文件
23. train_txt = os.path.join(meta_path, 'train.txt')
24. test_txt = os.path.join(meta_path, 'test.txt')
25. val_txt = os.path.join(meta_path, 'val.txt')
27. # 预留内容
28. traintxt = []
29. testtxt = []
30. valtxt = []
32. # 如果没有就创建
33. if not os.path.exists(result_path):
34.     os.mkdir(result_path)
36. if not os

复制代码