v-coco数据集转换

### COCO格式简介

COCO (Common Objects in Context) 数据集是一种广泛使用的图像识别和目标检测数据集，其标注文件通常采用JSON格式。对于v-COCO数据集的转换或预处理工作，可以借鉴其他相似任务中的方法[^1]。

### v-COCO数据集特点

v-COCO（Verb COCO）专注于动作分类及其与物体之间的交互关系。该数据集中不仅包含了对象的位置信息，还记录了人类执行的动作类别。因此，在进行格式转换时需特别注意保留这些额外的信息字段[^2]。

### 格式转换步骤说明

为了实现从原始格式到COCO标准格式的成功迁移，建议按照以下方式构建新的JSON结构：

#### 创建基本框架

{
    "info": {},
    "licenses": [],
    "images": [
        {
            "id": int,
            "width": int,
            "height": int,
            "file_name": str
        }
    ],
    "annotations": [
        {
            "image_id": int,
            "category_id": int,
            "bbox": [x, y, width, height],
            "area": float,
            "iscrowd": 0 or 1,
            "action_label": {} // 新增属性存储动作标签
        }
    ],
    "categories": []
}

#### 添加动作标签支持
由于v-COCO特有的动作描述需求，在`annotation`部分增加了一个名为`action_label`的对象来保存不同类型的动作用布尔值表示是否存在此行为。

#### 处理边界框坐标
当涉及到对原图做诸如缩放和平移等变换操作时，应相应调整所有涉及位置计算的部分，特别是边界框(`bbox`)参数[x,y,width,height]的变化逻辑。

def adjust_bbox(bbox, scale_factor=1.0, translate_x=0, translate_y=0):
    """
    Adjust bounding box coordinates based on scaling and translation factors.
    
    Args:
        bbox (list): Original bounding box as a list of four elements [x, y, w, h].
        scale_factor (float): Scale factor applied to both dimensions.
        translate_x (int): Horizontal shift amount.
        translate_y (int): Vertical shift amount.

    Returns:
        list: Transformed bounding box with updated values.
    """
    adjusted = [
        round((bbox[0] + translate_x) * scale_factor),
        round((bbox[1] + translate_y) * scale_factor),
        round(bbox[2] * scale_factor),
        round(bbox[3] * scale_factor)
    ]
    return adjusted