python工具方法 43 yolo|voc数据离线增强（实现数据类型平衡）

已于 2023-07-05 14:59:33 修改
阅读量4.6k 收藏 1
点赞数
分类专栏： python工具方法 文章标签： python 目标检测 数据增强
于 2023-07-02 23:42:17 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/a486259/article/details/131506336
版权
本文介绍如何通过离线数据增强解决目标检测中的类别不平衡问题，特别是针对YOLO和VOC数据集。利用albumentations库进行图像增强，包括弹性变形，并通过多线程提高效率。同时，提供了统计类别频率和按需增强特定类别的方法，以实现类别间的数据平衡。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在众多的目标检测训练代码中都支持在线数据增强，但并不能妥善的解决数据不平衡的问题（比如yolov8，paddledetion都无法指定类别权重；使用focal loss也只是可以缓解bbox样本不平衡，并不能完全缓解类别间的不平衡），故此需要离线数据增强手段来实现数据类别的平衡。对yolo数据离线增强，将扩展后的数据保存为jpg图片和txt标签。对于voc数据的增强也是通过yolo格式间接实现（yolo与voc数据格式的转换代码可以参考：python工具方法 41）。通过本博文的代码可以实现数据离线增强，结合python工具方法 42中的代码可以对指定类型中的bbox数据进行增强，实现类别间数据平衡。

1、数据增强

1.1 基本数据增强

先构建数据增强demo，使用albumentations 进行数据增强。albumentations的使用可以参考Albumentations——强大的数据增强库（图像分类、

了解本专栏 订阅专栏 解锁全文
YOLOv8官方推荐免费数据集网站Roboflow数据增强教程
Snu77的博客
10-25 5308
YoloV8是2023年发布的一种高效的目标检测算法，它的训练需要高质量的数据集，一个高质量的数据集就离不开数据增强等一些数据处理操作。YoloV8官方推荐了一个数据集网站，就是Roboflow。Roboflow是一个数据集管理平台，提供了免费的数据集，同时也支持上传自己的数据集进行格式转换。使用Roboflow，开发者可以方便地获取所需格式的数据集，无需手动转换格式。因此，如果你正在使用模型，Roboflow是一个非常好的选择，可以帮助你快速获取高质量的数据集，从而加快训练效率。
YOLOv10官方推荐免费数据集网站Roboflow数据增强教程
Snu77的博客
07-13 996
YOLOv10是2024年发布的一种高效的目标检测算法，它的训练需要高质量的数据集，一个高质量的数据集就离不开数据增强等一些数据处理操作。YOLOv10官方推荐了一个数据集网站，就是Roboflow。Roboflow是一个数据集管理平台，提供了免费的数据集，同时也支持上传自己的数据集进行格式转换。使用Roboflow，开发者可以方便地获取所需格式的数据集，无需手动转换格式。因此，如果你正在使用模型，Roboflow是一个非常好的选择，可以帮助你快速获取高质量的数据集，从而加快训练效率。
离线数据增强 VOC2007数据集
04-15
在参加一个目标检测的比赛时写的一个代码，因为官方提供的数据集较小，深度学习需要的数据集也比较大，因而自己便做了一个数据离线增强，即通过翻转、旋转、加噪声等方式扩充数据集
VOC数据集增强（翻转、旋转、对比度）
awdfggg的博客
09-19 1390
VOC数据集增强（翻转、旋转、对比度）
深度学习--离线数据增强
weixin_50727642的博客
03-13 601
最近做项目遇见数据集背景非常单一，为了增加模型的返回能里，只能自己做一些数据增强来增加背景的多样性。
深度学习——离线数据增强——图片resize
weixin_50727642的博客
04-11 595
因为有一批数据有点儿小，数据质量不佳，为了标注方便使用数据增强将数据固定在1080P，方便标注，
模型训练篇 | 关于常见的10种数据标注工具介绍
最新发布
突然好想你
12-17 1313
数据标注工具是一种用于标记、标记和分类数字图像、音频、视频或文本等数据集的工具。数据标注工具可以自动或手动标记数据集中的对象、人脸、物体、文字等，以便机器学习模型能够理解和识别这些数据。🌈
YOLOv11官方推荐免费数据集网站Roboflow数据增强教程
Snu77的博客
11-05 1415
YOLOv11是2024年发布的一种高效的目标检测算法，它的训练需要高质量的数据集，一个高质量的数据集就离不开数据增强等一些数据处理操作。YOLOv10官方推荐了一个数据集网站，就是Roboflow。Roboflow是一个数据集管理平台，提供了免费的数据集，同时也支持上传自己的数据集进行格式转换。使用Roboflow，开发者可以方便地获取所需格式的数据集，无需手动转换格式。因此，如果你正在使用模型，Roboflow是一个非常好的选择，可以帮助你快速获取高质量的数据集，从而加快训练效率。
YOLOv8改进有效系列目录 | 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制
热门推荐
Snu77的博客
12-30 15万+
Hello，各位读者们好，本专栏自开设两个月以来已经更新改进教程120+余篇其中包含C2f、主干、检测头、注意力机制、Neck多种结构上创新，也有损失函数和一些细节点上的创新，订阅本专栏以后你不仅可以收获跟专栏的阅读权限，同时可以进Qq群，里面包含集成我所有创新的YOLO最新目录，和我本人录制的视频讲解教程，如果你想要在YOLOv8系列收获一篇论文，我相信订阅本专栏后你一定会有所收获~YOLOv8改进有效系列目录。
yolo离线数据增强代码
12-13
1. 像素级：HSV增强、旋转、平移、缩放、剪切、透视、翻转等 2. 图片级：MixUp、Cutout、CutMix、Mosaic、Copy-Paste等 3. 基本图片处理方法：将图像的最长边缩放到640，短边填充到640等方法。 可供使用者完成开发，调试，进行图片处理等操作。
离线数据增强
weixin_40132776的博客
12-28 1698
def imgAug(imgDir,dstImg): params = [0.5, 0.6, 0.7, 0.8, 0.9, 1.1, 1.2, 1.3, 1.4, 1.5] gaussParams=[3,5] imgNames=[img for img in os.listdir(imgDir)] for name in imgNames: img = Image.open(os.path.join(imgDir,name)) brightE.
对VOC目标检测数据进行增强
qq_43203949的博客
09-05 1万+
VOCDateAugment 目的：对VOC数据集的对象检测的数据进行数据增强。 本人编写了一个脚本，在没使用脚本前请前去除没有打标签的图片或多余的标签文件。并请确保标签文件和图片命名一样。 代码地址：https://github.com/Mygithub-Yao/tools-VOC visualiztion模块 这个模块是脚本，主要功能是通过图片和其label文件，生成带bboxs的图片。效果如下图片 ImgParser模块 里面有class ImgParser类，类提供了5个图片数据增强的功能，分别
数据增强（离线）
weixin_43924211的博客
03-29 742
随机采用高斯模糊、调整亮度、平移、cutout、裁剪进行增强，生成增强后的图像和xml。 版权声明：本文为CSDN博主「告白少年」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/qq_43555843/article/details/103577196 # -*- coding=utf-8 -*- import os import time import random import cv2 import numpy a
YOLO离线数据增强代码
gitblog_09744的博客
09-06 759
YOLO离线数据增强代码 yolov5数据增强代码测试.rar项目地址:https://gitcode.com/open-source-toolkit/d66b8 欢迎使用YOLO离线数据增强工具包！本仓库致力于提供一套全面且高效的数据增强解决方案，特别适用于基于YOLO（You Only Look Once）系列的目标检测项目。通过集成多种先进的图像处理技术，旨在丰富您的训练数据集，从而提升模...
基于Albumentations库的离线数据增强(支持在线和离线)
年少的勇气已经用完，剩下的就是三思而后行
10-25 1440
【代码】基于Albumentations库的离线数据增强(支持在线和离线)
python实现目标检测voc格式标签数据增强
实力派，无需多言！
11-16 1713
数据增强是一种数据扩充技术，指的是利用有限的数据创造尽可能多的利用价值。因为虽然现在各种任务的公开数据集有很多，但是其实数据量也远远不够，而公司或者学术界去采集、制作这些数据的成本其实是很高的，像人工标注数据的任务量就很大，因此，只能通过一些方法去更好的利用现有的成本，数据增强便“粉墨登场”。本文实现的数据增强的方法主要有以下7种，可通过自定义设定改变随机增强的个数。1. 裁剪(需改变bbox)2. 平移(需改变bbox)3. 改变亮度4. 加噪声5. 旋转角度(需要改变bbox)
YOLOv8实例分割离线数据增强与标签可视化
gitblog_09802的博客
10-15 391
YOLOv8实例分割离线数据增强与标签可视化 【下载地址】YOLOv8实例分割离线数据增强与标签可视化 本仓库提供了一个用于YOLOv8实例分割的离线数据增强工具，并附带标签可视化功能。通过该工具，您可以轻松地对标注数据进行增强，从而提升模型的训练效果 ...
python 离线数据增强（扩充数据集）
oyjwin的博客
06-25 4923
增强方式包括: # (一) 针对像素的数据增强 # 1. 改变亮度 # 2. 加噪声 # (二) 针对图像的数据增强 # 3. 裁剪(需改变bbox) # 4. 平移(需改变bbox) # 5. 镜像(需要改变bbox) # 6. 旋转(需要改变bbox) # 7. 遮挡 难点：博主在进行亮度、噪声、裁剪、平移、镜像、遮挡的实现时，还是比较轻松的；但是在旋转的实现中，label的调整陷入了麻烦，但是最后通过改进函数的方式； 最初：.
写一段用crypto解密的python
05-30
以下是使用Crypto模块解密数据的Python示例代码： ``` from Crypto.Cipher import AES from Crypto.Util.Padding import unpad # 密文和密钥 ciphertext = b'\x9f\x8d\x9c\xb6\xdc\x07\x12\x7d\x1f\x8b\x3f\x53\xad\xe1\x1a\x8e' key = b'this is a 16 byte key' # 创建AES对象 cipher = AES.new(key, AES.MODE_ECB) # 解密数据 decrypted_data = cipher.decrypt(ciphertext) # 去除填充 unpadded_data = unpad(decrypted_data, AES.block_size) # 输出解密后的数据 print(unpadded_data.decode('utf-8')) ``` 在上面的代码中，我们使用AES算法和ECB模式进行解密，使用unpad方法去除填充。需要注意的是，解密前的数据需要先进行填充才能被正确解密。如果加密时使用的是PKCS7填充，需要使用padding模块中的pad方法进行填充。
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

万里鹏程转瞬至

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