json格式标签是通过labelme软件进行标注，实现转为txt格式，即保存归一化后的中心点坐标和归一化后检测框长和宽。在目标检测数据集处理中，我们经常会遇到标签之间不同格式的转化，以下介绍JSON格式的标签转YOLO格式。

处理中，我们经常会遇到标签之间不同格式的转化，以下介绍 ['voc', 'labelme', 'cityscape', 'widerface']四种格式的标签转COCO格式。注意：由于我事先划分好了数据集，这里训练集比例选择1，验证测试集为0；若需要脚本划分自行选择比例，非常好用。coco格式标签最后输出一个大的json文件，标注信息都在这个文件中。该源码从开源的飞桨平台上获得。

在以上代码中，实现了对用户输入格式为整型、字符型、字符串型进行获取并打印，在使用getline()获取整行字符串输入时，用了两次，因为第一次读取了上一次用户输入的换行，识别为结束符，需要二次使用获取用户输入，如果放在代码开始位置进行获取则不会出现该情况。在第二种方法cin.get()中，也存在该情况。参考博客：http://t.csdn.cn/iv8ZF。

以上文件中COPY ./yolov5/ /home/lwf/PD/yolov5/实现将本地dockerfile所在当前文件夹下的yolov5工程拷贝至镜像中，为后期实现数据与代码互相隔离。说明：本教程为将yolov5制作为docker镜像，通过容器实现yolov5的调用。# 指定docker镜像中，默认的工作路径是/PD。对应链接宿主机目录下可查看工程运行后文件。需要对库进行下载，等待镜像制作完成

对于机器人采集餐桌葡萄，通常通过抓住和切割梗，在梗上的准确定位是至关重要的。本文提出了一种基于远景和近景深度数据特征相结合的水平格子栽培葡萄采摘点精确定位的新方法。首先，提出了充分利用深度点云数据获得的葡萄群和水平格环境特征的采摘点定位远近组合策略。然后提出了满足远近组合需要的特殊“指下眼”结构，定义了决定远近组合手眼路径的远视点、近视点和选取点三个关键点。最后，基于近景深度数据直方图，建立了近景

执行docker命令时：docker ps。

将docker本地镜像上传远程dockerhub仓库，实现在其他设备上无需建立dockerfile文件来制作镜像。

yolactedge训练自己的数据集