【目标检测】基于pytorch框架复现YOLOv4/YOLOX所使用的数据制作脚本

已于 2023-02-08 14:18:56 修改
阅读量430 收藏 2
点赞数 2
分类专栏： 深度学习之目标检测实战 文章标签： 目标检测 pytorch YOLO
于 2023-02-03 22:47:38 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/AugustMe/article/details/128877140
版权
该博客介绍了如何基于PyTorch框架复现YOLOv4和YOLOX的目标检测模型所需的数据制作过程。包括收集图片，使用LabelImg等工具进行标注，将XML标签转换为TXT，并使用makeTxt.py脚本划分训练集、验证集和测试集。详细阐述了数据处理步骤和最终的文件组织结构。
摘要由CSDN通过智能技术生成

1.数据制作

第一步：收集图片，需要我们需要训练一个自己的检测模型，那就需要收集数据集，这也是训练模型的前提。我们以训练挖掘机和推土机检测摸为例，从网上找了一些图片如下：

在这里插入图片描述
在这里插入图片描述
我们可以一张一张手动挑选保存符合要求的图片，也可以使用爬虫爬取图片然后进行筛选，将最终收集的图片放入JPEGImages文件夹下。

使用labelimg标注工具或者其他标注工具，根据自身进行选择，对收集的数据集进行标注，这一步做目标检测的应该都会，对目标绘制矩形框并命名，如下图所示：

在这里插入图片描述
将每张图片标注得到的xml标签放入Annotations文件夹下，本次演示共得到290张图片和290个

了解本专栏 订阅专栏 解锁全文 超级会员免费看
机器不学习我学习
关注
专栏目录
订阅专栏
pytorch 31 基于mmdetection用yolox训练自己的coco数据集
a486259的博客
06-26 2019
yolox作为当下地表最强的目标检测算法，用yolox来做工程必定能事半功倍。然而，mmdetection训练yolox的配置文件写法与faster-rcnn有些不太一样，如果直接套用faster-rcnn的配置文件会存在多个异常。且在网上很难找到mmdetection用yolox训练coco数据集的案例，为此博主经过多次实践通过实践，最终实现了yolox的训练，并找出了yolox与faster-rcnn的配置文件编写的不同。博主发现yolox与faster-rcnn的配置文件存在以下不同：1.在修改模型输
YOLOv4训练脚本
安卓 高通 bsp ，同行欢迎交流
04-24 400
训练脚本 每次开机都得找路径，然后终端输入命令。用个简单的方式，自动化操作。 #! /usr/bin/bash cd darknet cd build ./darknet detector train data/obj.data cfg/yolov4.cfg backup/yolov4_last.weights 保存为train.sh. 放在文件夹下。但是发现并不能双击运行。还是得终端。 sh train.sh 双击运行的方法： 随便打开一个窗口，并在菜单中点击首选项。 选择每次打开时询问，在新版ubu
WIN 10环境下安装pytorch环境并跑通Yolox-demo
weixin_45053425的博客
10-12 1879
本文章主要解决新手入门深度学习，搭建深度学习Pytorch框架的过程，以及运行Yolox目标检测模型的demo过程。
windows10搭建YOLOx环境 训练+测试+评估
热门推荐
Dora_blank的博客
07-25 2万+
文章目录前言1、必要环境2、安装2.1 创建python3.7虚拟环境2.2 下载pytorch (pytorch版本>=1.7)2.3、配置YOLOx环境2.4、测试效果注意：图片和视频路径要放在当前文件夹下！！！！3、训练自己的VOC数据集4、测试5、模型评估:6、根据README.md流程走可能会出现的报错6.1 编码报错 UnicodeDecodeError：gbk xxxxx6.2 根据readme文档安装apex时报错 Removed build tracker:xxxxxxx6.3 d
YOLOX训练测试评估推理加速自己的数据集(一篇博客全详细)
m0_46401516的博客
10-25 3361
YOLOX训练自己的数据集，并附有TensorRT、ONNXRuntime推理加速
基于pytorch实现的YOLOV5+SORT的车辆行人目标识别及追踪系统源码.zip
02-07
基于pytorch实现的YOLOV5+SORT的车辆行人目标识别及追踪系统源码.zip 代码完整确保可以运行，下载即用无需修改。可作为毕业设计、期末大作业和课程设计。 基于pytorch实现的YOLOV5+SORT的车辆行人目标识别及追踪...
目标检测-使用Yolov4+Pytorch训练自己的数据集-超详细流程教程-优质项目实战.zip
02-19
在本教程中，我们将深入探讨如何使用Yolov4和PyTorch框架进行目标检测，并训练自定义的数据集。目标检测是计算机视觉领域的一个关键任务，它涉及识别图像中的特定对象并定位它们的位置。Yolov4是一种高效、准确的...
使用PyTorch实现基于YOLOv3的目标检测器.zip
08-31
使用PyTorch实现基于YOLOv3的目标检测器.zip使用PyTorch实现基于YOLOv3的目标检测器.zip使用PyTorch实现基于YOLOv3的目标检测器.zip使用PyTorch实现基于YOLOv3的目标检测器.zip使用PyTorch实现基于YOLOv3的目标检测...
pytorch目标检测yolov4目标检测各类型数目统计计数 https://blog.csdn.net/babyai996/
04-04
YOLOv4是一种高效且准确的目标检测模型，它在PyTorch框架中有着广泛的应用。本文将深入探讨YOLOv4的基本原理、实现过程以及如何在PyTorch中进行目标检测并统计各类型目标的数目。 YOLO（You Only Look Once）是基于...
基于Pytorch的YOLOv4目标检测模型设计源码
最新发布
10-01
该项目基于Pytorch框架，设计了YOLOv4目标检测模型的源码，共计34个文件，涵盖20个Python源文件、6个Markdown文件、4个文本文件、1个Git忽略文件、1个许可文件、1个图片文件和1个字体文件。YOLOv4作为YoloV3的升级...
yolov5常用数据预处理脚本
yiersab的博客
07-20 330
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
【三维目标检测】Complex-Yolov4详解（二）：模型结构
叶子的博客
06-02 5867
【三维目标检测】Complex-Yolov4详解（二）：模型结构Complex-Yolo网络模型的核心思想是用鸟瞰图BEV替换Yolo网络输入的RGB图像。因此，在完成BEV处理之后，模型的训练和推理过程基本和Yolo完全一致。Yolov4中输入的RGB图片的尺寸维度为608x608x3，因此BEV的尺寸维度也为608x608x3，由强度图、高度图和密度图组成。Complex-Yolov4的数据处理部分详细介绍请参考：https://blog.csdn.net/suiyingy/article/detail
win10+pytorch1.9+yolox模型训练
qianxun
08-04 3179
官方git:https://github.com/Megvii-BaseDetection/YOLOX.git 主要步骤还是根据官方教程来，并记录一些坑。 1、首先下载yolox到本地,并安装所需环境，因为我的环境之前跑v5的时候基本符合所以这一步很快就结束了。 git clone git@github.com:Megvii-BaseDetection/YOLOX.git cd YOLOX pip3 install -U pip && pip3 install -r require
YOLOX目标检测实战：训练自己的数据集
07-25
YOLOX是旷视科技新近推出的高性能实时目标检测网络，性能超越了YOLOv3/YOLOv4 /YOLOv5。YOLOX使用 PyTorch开发，采用了Anchor-free机制、解耦头、Multi Positives、先进的标签分配策略和强数据增广等前沿技术。 本课程将手把手地教大家使用labelImg标注和使用YOLOX训练自己的数据集，完成一个多目标检测实战项目，可检测图像和视频中的足球和梅西两个目标类别。  本课程分别在Windows和Ubuntu系统上做项目演示。包括：安装YOLOX、标注自己的数据集、准备自己的数据集（自动划分训练集和验证集）、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。  
YOLOv8目标检测代码如何实现训练、测试、指标评估、调用摄像头实时检测和目标追踪的接口调用脚本
一个兴趣使然CVer的博客
07-31 2万+
YOLOv8是单阶段目标检测的集大成之作，它可以帮助我们在图像或视频中自动识别和定位感兴趣的目标物体。本文将介绍如何调用YOLOv8的API实现训练、测试和调用摄像头进行实时检测和追踪。
pytorchyolov4训练_PyTorch版YOLOv4训练自己的数据集---基于Google Colab
weixin_39550587的博客
12-22 807
colab简介Google Colaboratory是谷歌开放的一款研究工具，主要用于机器学习的开发和研究。工具优势：Google Colab最大的好处是给广大的AI开发者提供了免费的GPU使用。你可以在上面轻松地跑例如：Keras、Tensorflow、Pytorch等框架；其次是入门相对简单，语法和cmd语句以及linux语句相似。目前colab平台GPU的状态信息如下图：工具缺陷：需要vpn...
python yolov5 脚本制作（第2部分：图片标记并生成对应标签文件、数据集的训练、使用训练出来的权重文件）
chatblanc的博客
05-26 3602
python yolov5 脚本制作（第2部分：图片标记并生成对应标签文件、数据集的训练、使用训练出来的权重文件）
基于Pytorch搭建的Yolov4目标检测
wuliwlll的博客
12-21 1906
笔记
pytorch_YOLOX剪枝【附代码】
z240626191s的博客
07-04 4600
本项目是在b站up主Bubbliiiing和原YOLOX官方代码进行了整合。支持剪枝、网络中间层可视化、卷积和bn层的融合加速、ema、日志文件管理等功能。
使用Pytorch框架的yolov4和yolov5实现模板与车牌检测
资源摘要信息:"本资源提供了一套基于PyTorch深度学习框架，采用开源目标检测模型YOLOv4和YOLOv5实现的模板检测与车牌检测系统。YOLO（You Only Look Once）是一种流行的目标检测算法，YOLOv4和YOLOv5是该算法的两个...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

机器不学习我学习

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值