长沙网站建设制作,合肥网站搜索优化,郑州百度推广代运营,网站开发研目标检测中数据集格式之间的相互转换--coco、voc、yolohttps://zhuanlan.zhihu.com/p/461488682?utm_mediumsocialutm_psn1825483604463071232utm_sourcewechat_session【目标检测】yolo的三种数据集格式https://zhuanlan.zhihu.com/p/525950939?utm_mediumsocialsocialutm_psn1825483604463071232utm_sourcewechat_session【目标检测】yolo的三种数据集格式https://zhuanlan.zhihu.com/p/525950939?utm_mediumsocialutm_psn1825483832641581056utm_sourcewechat_session
在YOLO目标检测中常用的标签格式主要有三种voc(xml)、coco(json)和yolo(txt)。每种格式都有其独特的优点和适用场景。
voc(xml)格式XML格式因其良好的可读性和扩展性在目标检测领域得到了广泛应用。它不仅能够存储目标的边界框信息还能包含其他元数据信息如图像来源、拍摄时间等。coco(json)格式JSON格式以其轻量级和易于解析的特点成为许多现代目标检测数据集的首选。它支持多层嵌套结构能够更灵活地表示复杂的目标关系。yolo(txt)格式YOLO算法专用的txt格式标签简洁明了直接包含目标的类别和边界框坐标。这种格式在YOLO系列算法的训练中非常高效。
因为我以后的项目大概率继续用的是txt格式所以本文只写txt格式的相关内容其他格式参考上面的两个链接。
1、yolo的txt格式 yolov5的比较简单就是图片和标签分别两个文件夹中并且自己分类将图片与标签按照一定的比例区分成训练集和验证集。
txt的标签如下图所示
第一列为目标类别后面四个数字为[x_center, y_center, w, h]可以看到都是小于1的数字是因为对应的整张图片的比例所以就算图像被拉伸放缩这种txt格式的标签也可以找到相应的目标。
使用makesense.ai上一篇文章说过的一个超级强大的在线标注工具标注之后直接输出的就是txt标签文件分一下文件夹即可训练。
2、划分数据集 代码请教GPT
3、修改代码
自己的数据集标注好分好之后当然是用模型进行训练啦。
1、custom.yaml文件
仿照./data/文件夹下的yaml文件自己写一个 这边的path 和“names”改成自己的这里笔者的train_data放在和yolov5相同目录下。
然后按照官方用例跑data 参数改为自己的custom.yaml
python train.py --data custom.yaml --epochs 300 --weights ./weights/yolov5s.pt --cfg yolov5s.yaml --batch-size 128
