### 可视化带标签的 JSON 格式数据集 为了实现带有标签的 JSON 数据集的可视化，可以采用 Python 中常用的库如 `pycocotools` 和 `matplotlib` 来处理 COCO 格式的标注文件。具体操作涉及加载 COCO 对象并绘制图像及其对应的标注。 对于给定的真实标签 JSON 文件和预测结果 JSON 文件，可以通过以下方式完成可视化： #### 加载 COCO 对象 ```python from pycocotools.coco import COCO annotation_file = 'path_to_annotation_file.json' coco = COCO(annotation_file) results_file = 'C:/Users/hejianfei/Desktop/inference/results12-162.json' # 预测结果路径 coco_res = coco.loadRes(results_file)[^1] ``` #### 获取类别信息 获取所有类别的 ID 列表以及对应的名字列表以便后续绘图时能够区分不同类型的物体。 ```python cat_ids = coco.getCatIds() cats = coco.loadCats(cat_ids) category_names = [cat['name'] for cat in cats] print(f'There are {len(category_names)} categories: {", ".join(category_names)}.') ``` #### 图像与标注的可视化 选择特定图片进行展示，并叠加真实的边界框或者分割掩码。 ```python import numpy as np import matplotlib.pyplot as plt def display_image_with_annotations(img_id, coco_obj): img_info = coco_obj.imgs[img_id] I = plt.imread(coco_obj.imgToAnno[img_id][0]['image_path']) fig, ax = plt.subplots(figsize=(12, 8)) ax.imshow(I); ax.axis('off') ann_ids = coco_obj.getAnnIds(imgIds=img_id) annotations = coco_obj.loadAnns(ann_ids) coco_obj.showAnns(annotations) plt.title(f"Image ID: {img_id}") plt.show() # 假设我们想查看第一个 image 的情况 first_img_id = list(coco.imgs.keys())[0] display_image_with_annotations(first_img_id, coco)[^1] ``` 上述代码片段展示了如何读取指定 ID 的图片，并通过调用 `showAnns()` 方法来显示该图片上的所有标注信息。这适用于验证集中已有的真实标签或是模型推理后的检测/分割结果。 此外，在使用 LabelMe 工具创建的数据集中，可以直接利用其导出功能得到适合于训练神经网络使用的标准格式（比如 COCO），并且这些由 LabelMe 生产的结果可以在软件内部轻松地被浏览和编辑[^2]。