YOLO分类数据集划分

import os
import random
from shutil import copy2

# 这个函数用于分割数据集
def data_set_split(src_data_folder, target_data_folder, slice_data=[0.4, 0.3, 0.3]):
    '''
    读取源数据文件夹，生成划分好的文件夹，分为train、val、test三个文件夹
    :param src_data_folder: 源数据文件夹的路径
    :param target_data_folder: 目标数据文件夹的路径
    :param slice_data: 数据划分比例 [训练集比例，验证集比例，测试集比例]
    :return: None
    '''
    print("开始数据集划分")
    
    # 获取所有类别文件夹的名称
    class_names = os.listdir(src_data_folder)

    # 创建train、val、test数据集文件夹
    split_names = ['train', 'val', 'test']
    for split_name in split_names:
        split_path = os.path.join(target_data_folder, split_name)
        
        # 如果数据集文件夹不存在，则创建
        if not os.path.isdir(split_path):
            os.mkdir(split_path)
        
        # 在每个数据集文件夹下创建类别文件夹
        for class_name in class_names:
            class_split_path = os.path.join(split_path, class_name)
            if not os.path.isdir(class_split_path):
                os.mkdir(class_split_path)

    # 开始划分每个类别的数据
    for class_name in class_names:
        # 当前类别的数据文件路径
        current_class_data_path = os.path.join(src_data_folder, class_name)
        
        # 获取当前类别的所有数据文件名
        current_all_data = os.listdir(current_class_data_path)
        current_data_length = len(current_all_data)
        
        # 创建数据索引列表并打乱顺序，用于随机划分
        current_data_index_list = list(range(current_data_length))
        random.shuffle(current_data_index_list)

        # 创建训练、验证、测试集文件夹路径
        train_folder = os.path.join(target_data_folder, 'train', class_name)
        val_folder = os.path.join(target_data_folder, 'val', class_name)
        test_folder = os.path.join(target_data_folder, 'test', class_name)

        # 计算划分的界限索引
        train_stop_flag = int(current_data_length * slice_data[0])
        val_stop_flag = int(current_data_length * (slice_data[0] + slice_data[1]))

        # 按照比例复制文件到对应的训练、验证、测试集文件夹
        train_num, val_num, test_num = 0, 0, 0
        for i, idx in enumerate(current_data_index_list):
            src_img_path = os.path.join(current_class_data_path, current_all_data[idx])
            
            # 根据索引位置判断是训练、验证还是测试，然后复制到相应文件夹
            if i < train_stop_flag:
                copy2(src_img_path, train_folder)
                train_num += 1
            elif i < val_stop_flag:
                copy2(src_img_path, val_folder)
                val_num += 1
            else:
                copy2(src_img_path, test_folder)
                test_num += 1

        # 输出当前类别数据划分的情况
        print(f"*********************************{class_name}*************************************")
        print("{}类按照{}：{}：{}的比例划分完成，一共{}张图片".format(class_name, *slice_data, current_data_length))
        print("训练集{}：{}张".format(train_folder, train_num))
        print("验证集{}：{}张".format(val_folder, val_num))
        print("测试集{}：{}张".format(test_folder, test_num))

# 以下是脚本的主执行部分
if __name__ == '__main__':
    # 源数据文件夹的路径
    src_data_folder = r"F:\lajishujuji\xinxinxinxinxin\LaJiFenLei"
    
    # 目标数据文件夹的路径，即划分后的数据集将存放的地方
    target_data_folder = r"F:\lajishujuji\LaJiFenLai"
    
    # 调用函数进行数据划分，这里划分比例为60%训练集，20%验证集，20%测试集
    data_set_split(src_data_folder, target_data_folder, slice_data=[0.6, 0.2, 0.2])