### 使用Python从COCO数据集中随机抽取指定比例的数据子集 为了完成这一任务，可以编写一段Python脚本，该脚本会读取原始的COCO JSON文件，并按照给定的比例随机选取图像及其对应的标注信息。下面是一个具体的实现方案： #### 导入必要的库 首先导入所需的第三方库以及标准库模块。 ```python import json import random from collections import defaultdict ``` #### 加载并解析JSON文件 接着定义函数来加载整个COCO格式的JSON文件到内存中以便后续操作。 ```python def load_json(file_path): with open(file_path, "r", encoding="utf-8") as f: data = json.load(f) return data ``` #### 抽取子集的核心逻辑 这里提供了一个名为`extract_subset`的方法用于执行实际的抽样工作。此方法接收两个参数：一个是完整的COCO数据对象；另一个是指定要保留多少百分比的数据作为子集（范围0至1之间的小数表示法）。 ```python def extract_subset(coco_data, ratio=0.1): image_ids = list(range(len(coco_data['images']))) selected_image_ids = set(random.sample(image_ids, int(ratio * len(image_ids)))) subset_images = [] id_mapping = {} new_id_counter = 0 # 构建新的image列表和ID映射表 for img_info in coco_data["images"]: if img_info["id"] in selected_image_ids: old_img_id = img_info["id"] img_info["id"] = new_id_counter id_mapping[old_img_id] = new_id_counter subset_images.append(img_info) new_id_counter += 1 annotations_by_image_id = defaultdict(list) # 收集选定图片的相关annotation for anno in coco_data["annotations"]: if anno["image_id"] in selected_image_ids: annotations_by_image_id[id_mapping[anno["image_id"]]].append(anno) subset_annotations = [] # 更新annotation中的image_id为新分配后的值 for img_id, annos in annotations_by_image_id.items(): for anno in annos: anno["image_id"] = img_id subset_annotations.append(anno) result = { "info": coco_data.get("info"), "licenses": coco_data.get("licenses"), "categories": coco_data.get("categories"), "images": subset_images, "annotations": subset_annotations } return result ``` 上述代码片段实现了对输入COCO数据结构的选择性复制过程，在保持原有层次关系的前提下只选择了部分样本[^2]。 #### 将结果保存回磁盘 最后一步是将生成的新子集再次序列化成JSON字符串形式写回到一个新的文件里去。 ```python def save_to_file(data, output_path): with open(output_path, 'w') as outfile: json.dump(data, outfile) ``` 通过以上几个步骤就可以轻松地从现有的大规模COCO数据集中提取出一个小规模但是仍然具有代表性的子集合出来供实验测试或其他用途使用了。