【yolo数据集合并方法】

1.数据集容

包含训练集、验证集和测试集。

每一个数据集中包含图像文件夹和标签文件夹。

yaml文件中定义了配置参数，包括目标识别的class类别：

2.数据集合并

需要修改labels文件夹下txt文件class信息，根据每个单独数据集的class name 对照合并后数据集的期待class name修改。这里主要提供修改脚本：

#-*- coding:utf-8 -*-
#Used to merge datasets
import os
# 定义文件夹路径
folder_path = "XXX/train/labels"
# 遍历文件夹中的所有文件
for filename in os.listdir(folder_path):
    if filename.endswith('.txt'):  # 确保只处理 txt 文件
        file_path = os.path.join(folder_path, filename)
        with open(file_path, 'r') as file:
            lines = file.readlines()
        with open(file_path, 'w') as file:
            for line in lines:
                if line[0]=='0':  # 判断是否是需要修改的类别标号
                    modified_line = '8' + line[1:]  # 将第一个字符修改为 'X'
                    file.write(modified_line)
                else:
                    file.write(line)  # 保持不变