我正在使用 MS-COCO 数据集，我想提取与背包（类别 ID：27）和笔记本电脑（类别 ID：73）类别对应的图像的边界框和标签，并将它们存储到不同的文本文件中进行训练稍后基于神经网络的模型。
我已经提取了与上述两个类别相对应的图像，并在一个单独的文件夹中创建了空注释文件，我希望在其中存储注释和标签（注释文件的格式类似于：标签 x ywh where w and h指示检测到的类别的宽度和高度）。我基于COCO-API（准确地说是 coco.py）来提取图像并创建空文本注释文件。
以下是我为此编写的主要功能coco.py：
if __name__ == "__main__":
littleCo = COCO('/home/r.bohare/coco_data/annotations/instances_train2014.json')
#id_laptop = littleCo.getCatIds('laptop')
"""Extracting image ids corresponding to backpack and laptop images."""
bag_img_ids = littleCo.getImgIds(catIds=[27])
laptop_img_ids = littleCo.getImgIds(catIds=[73])
#print "IDs of bag images:", bag_img_ids
#print "IDs of laptop imgs:", laptop_img_ids
"""Extracting annotation ids corresponding to backpack and laptop images."""
bag_ann_ids = littleCo.getAnnIds(catIds=[27])
laptop_ann_ids = littleCo.getAnnIds(catIds=[73])
#print "Annotation IDs of bags:", bag_ann_ids
#print "Annotation IDs of laptops:", laptop_ann_ids
"""Extracting image names corresponding to bag and laptop categories."""
bag_imgs = littleCo.loadImgs(ids=bag_img_ids)
laptop_imgs = littleCo.loadImgs(ids=laptop_img_ids)
#print "Bag images:", bag_imgs
#print "Laptop images:", laptop_imgs
bag_img_names = [image['file_name'] for image in bag_imgs]
laptop_img_names = [image['file_name'] for image in laptop_imgs]
print "Bag Images:", len(bag_img_names), bag_img_names[:5]
print "Laptop Images:", len(laptop_img_names), laptop_img_names[:5]
"""Extracting annotations corresponding to bag and laptop images."""
bag_ann = littleCo.loadAnns(ids=bag_ann_ids)
laptop_ann = littleCo.loadAnns(ids=laptop_ann_ids)
bag_bbox = [ann['bbox'] for ann in bag_ann]
laptop_bbox = [ann['bbox'] for ann in laptop_ann]
print "Bags' bounding boxes:", len(bag_ann), bag_bbox[:5]
print "Laptops' bounding boxes:", len(laptop_bbox), laptop_bbox[:5]
"""Saving files corresponding to bags and laptop category in a directory."""
import shutil
#path_to_imgs = "/export/work/Data Pool/coco_data/train2014/"
#path_to_subset_imgs = "/export/work/Data Pool/coco_subset_data/"
path_to_ann = "/export/work/Data Pool/coco_subset_data/annotations/"
dirs_list = [("/export/work/Data Pool/coco_data/train2014/", "/export/work/Data Pool/coco_subset_data/")]
for source_folder, destination_folder in dirs_list:
for img in bag_img_names:
shutil.copy(source_folder + img, destination_folder + img)
print "Bag images copied!"
for img in laptop_img_names:
shutil.copy(source_folder + img, destination_folder + img)
print "Laptop images copied!"
"""Creating empty files for annotation."""
for f in os.listdir("/export/work/Data Pool/coco_subset_data/images/"):
if f.endswith('.jpg'):
open(os.path.join(path_to_ann, f.replace('.jpg', '.txt')), 'w+').close()
print "Done creating empty annotation files."
我这里只提供了 main 函数，其余代码是COCO-API 中的coco.py文件。
我调试了代码发现有不同的数据结构：
cats，一个将类别 ID 映射到它们的超类别和类别名称（标签）的字典。imgToAnns，也是一个字典，它将每个图像 ID 映射到它的分割基础事实、边界框基础事实、类别 ID 等。据我目前所知，我想我需要使用这本字典以某种方式映射我拥有的图像名称在bag_img_names和laptop_img_names列表到他们的标签和边界框，但我无法思考正确的方向，关于如何访问这个字典（coco.py 中没有方法直接返回它）。imgs，另一个字典，它提供有关所有图像的元信息，例如图像名称、图像 url、捕获日期等。
最后，我知道这是一个非常具体的问题。如果这属于 stackoverflow 以外的社区（例如 stats.stackexchange.com），请随时告诉我，我会将其删除。此外，我可能错过了一些重要信息。如果我能想到它，或者如果有人问，我会提供它。
我只是 Python 的初学者，所以如果我可能遗漏了一些明显的东西，请原谅我。
任何帮助都将受到高度赞赏。谢谢你。