如何在CVAT中裁剪标注区域并将VGG16提取的特征导出为CSV文件

1. CVAT中批量裁剪多边形标注区域 #

不用手动逐张裁剪，优先用导出标注+脚本批量处理的方案，效率更高：

• 第一步导出标注：在CVAT任务页点击「导出数据集」，格式选择COCO 1.0，勾选「保存图像」后导出，解压后可以得到所有原图和包含多边形标注信息的annotations/instances_default.json文件。
• 第二步批量抠图：用Python或MATLAB读入标注文件，取每个标注条目里的segmentation多边形坐标，生成对应mask后和原图做与运算，就能把标注区域抠出来，非标注区域统一填充为黑色即可，抠出的区域无需保存到本地，直接送入特征提取流程即可。
• 如果你只有少量标注需要裁剪，可以直接在CVAT标注界面右键点击对应标注，选择「裁剪标注」直接导出单张裁剪图。

2. 提取VGG16特征并导出Weka兼容的CSV文件 #

你原有的MATLAB特征提取代码稍作修改就能直接输出符合要求的CSV，Weka要求CSV首行为特征名+类别标签名，每一行对应一个标注样本的所有特征值和对应类别：

% 加载预训练VGG16模型
net = vgg16;
% 这里假设你已经批量读取了所有抠出的标注区域，存在cropImgs cell数组中，对应类别标签存在labels数组中
sample_num = length(cropImgs);
% VGG16的pool5层输出拉平后是7*7*512=25088维
feature_dim = 25088;
feature_matrix = zeros(sample_num, feature_dim + 1);

for i = 1:sample_num
    % 统一缩放为VGG16要求的224*224输入尺寸
    img_resized = imresize(cropImgs{i}, [224 224]);
    % 提取pool5层特征
    feat_map = activations(net, img_resized, 'pool5');
    % 特征拉平为一维向量
    feature_matrix(i, 1:end-1) = feat_map(:)';
    % 最后一列存类别标签
    feature_matrix(i, end) = labels(i);
end

% 生成CSV列名，前25088列为特征名，最后一列为类别列
col_names = [cellstr("f" + 1:feature_dim), {"class"}];
% 转成table后导出CSV
feat_table = array2table(feature_matrix, 'VariableNames', col_names);
writetable(feat_table, 'animal_feature_dataset.csv');

导出的CSV可以直接导入Weka平台，用于决策树、SVM、RCNN等算法的训练。

内容的提问来源于stack exchange，提问作者Naser.Sadeghi