YOLOv3学习笔记之数据处理

最新推荐文章于 2022-03-29 19:30:00 发布
最新推荐文章于 2022-03-29 19:30:00 发布
阅读量781 收藏 5
点赞数 1
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/baidu_41617231/article/details/111086841
版权
这篇博客详细介绍了YOLOv3模型在数据处理方面的步骤，包括图片的reshape为正方形，以及标签数据的处理。针对从json文件中获取的原始坐标，通过转换得到中心点坐标和宽高的相对值。同时，还提到了使用labelImg打标工具的数据处理方式，以及在处理batch数据时如何添加索引。此外，文章还讨论了多尺度训练中图片resize的策略和batch的构建方法。
摘要由CSDN通过智能技术生成

YOLOv3学习笔记之数据处理

目录

 

dataset中的数据处理

1. 图片处理

将读取的图片进行reshape，变为正方形

def pad_to_square(img, pad_value):
    c, h, w = img.shape
    dim_diff = np.abs(h - w)
    # (upper / left) padding and (lower / right) padding
    pad1, pad2 = dim_diff // 2, dim_diff - dim_diff // 2
    # Determine padding
    pad = (0, 0, pad1, pad2) if h <= w else (pad1, pad2, 0, 0)
    #(左填充，右填充，上填充，下填充)
    # Add padding
    img = F.pad(img, pad, "constant"
最低0.47元/天 解锁文章
baidu_huihui
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
YOLOv3庖丁解牛（二）：数据输入
weixin_42078618的博客
12-14 4257
一、源数据存储。首先我们得保证我们的数据跟大牛代码的格式保持一致。 1、图片。图片以文件的形式存放，放在哪无所谓，但是在传入的时候必须给到正确的地址。比如 /opt/others/data2007/VOC2007/JPEGImages/000073.jpg /opt/others/data2007/VOC2007/JPEGImages/000003.jpg 2、标注。内容放在一个txt文本...
YOLOV5预处理和后处理，源码详细分析
weixin_51226647的博客
06-14 1582
关于模型输出的说明(1, 25200, 85)：👇⭐25200： 每个batch的检测框数量⭐85： 每个检测框包含信息[x, y, w, h, 置信度, coco_class0_score, coco_class1_score, …, …, coco_class79_score]conf_thres = 0.001 # 置信度筛选阈值max_wh = 7680 # 最大允许的检测框高宽iou_thres = 0.65 # NMS交并比。
YOLO-V3代码解析系列（三） —— 数据处理（dataset.py）
DAOCHI
06-16 1403
代码结构 准备分为以下几部分分析： 初始化数据类 parse_annotation()：将图像和标签处理到特定尺度 preprocess_true_boxes()：进一步处理标签数据 代码解析 import os import cv2 import random import numpy as np import tensorflow as tf import core.utils as utils from core.config import cfg class Dataset(object):
YOLOv3（1）数据处理
weixin_44929101的博客
05-05 477
前言 今天我们开始学习YOLOv3，这仍然是一种目标检测方法，原理大家可以看这位前辈的博文https://blog.csdn.net/leviopku/article/details/82660381，先看整体结构，这图来自于前辈的博文，已点赞。 但是我们今天一起学习的是数据处理部分，现在我们先看一下整体代码： #! /usr/bin/env python # coding=utf-8 #===...
【2022】全网最详细纯手工写YOLOv3之数据预处理,你必须看得懂（二）
xiaobo_Clanguage的博客
03-27 5372
1.YOLO数据预处理流程 1.数据格式统一，我习惯采用VOC数据格式 格式如图所示： 目录结构如下： |----VOCdevkit |----VOC2007 |-Annotations |-ImageSets |-Main |-test.txt |-train.txt |-trainval.txt |-val.txt |-JPEGImages 下面的脚本主要是对voc数据集格式的数据进行划分训练集 集验证集 测试集，具体内容看注解 ...
YOLOv3学习笔记
u011649150的博客
07-14 6869
总结了一些写的好的YOLOv3的文章，便于学习与回顾【目标检测简史】进击的YOLOv3，目标检测网络的巅峰之作语言生动易懂，适合新手学习，有很多实测的图，效果非常好，展示了YOLOv3的强大！总结了YOLOv3的改进之处，并对下一代YOLO提出展望【目标检测简史】YOLOv3的实景大片儿（含源码）实测看效果，用YOLOv3检测一段视频，截取部分帧展示YOLOv3在小物体或者远处的物体识别、重叠遮挡...
YOLOv3论文笔记1
08-03
YOLOv3是一款针对目标检测任务的深度学习模型，它主要解决了两个核心问题：多尺度目标预测和提高检测精度。该论文介绍了YOLOv3如何采用改进的技术来优化其前一代YOLOv2的设计，包括引入更好的基础网络结构、优化边界...
学习笔记：深度学习目标检测算法原理实践精讲、YOLOv3实战：训练自己的数据集.zip
01-13
深度学习是一种人工智能领域的核心技术，它基于神经网络模型对大量数据进行学习，以解决复杂问题，如图像识别、语音识别和自然语言处理等。在本学习资料包中，重点聚焦于深度学习的目标检测算法，特别是YOLO（You ...
pytorch 实现yolo3详细理解（三） 数据集处理
cp1314971的博客
03-20 1185
本章详细讲解数据的处理问题，将coco数据集读取，以及之后自定义数据集的处理， 数据预处理思想 yolo3的数据集处理也是一大亮点，由于yolo3对数据集的输入有要求，指定的照片输入大小必须是416，所有对于不满足照片的大小有一系列的操作，如果直接resize操作，将直接损失照片信息，网络在学习分类的过程还要适应照片尺寸的问题，导致训练效果不佳，在yolo3中是先进行高和宽的调整一样大，在进行上采...
使用YOLOv3(YOLOv3-tiny)训练自己的数据（2）-处理输出的结果
shashaqingmuzi的博客
12-28 6250
参考：https://blog.csdn.net/qq_33350808/article/details/83178002 上面的程序在作者的回复中有百度云链接   数据处理： 绘制loss曲线、map数值，pr曲线  
yolov3-tiny 完整训练自己的数据集步骤（数据准备、模型训练和测试、计算mAP和recall）
热门推荐
南洲.的博客
03-26 1万+
        最近项目需要要进行yolov3-tiny训练自己的数据，参考了一些网上的方法和自己以前做faster-rcnn的经验，总结了自己步骤，以供学习。本文前提是已经编译过opencv源码，安装好cuda和cudnn等，我的博客中有编译和安装参考。      &...
Pytorch | yolov3原理及代码详解（二）
qq_24739717的博客
07-22 1万+
阅前可看： Pytorch | yolov3原理及代码详解（一） https://blog.csdn.net/qq_24739717/article/details/92399359 分析代码： https://github.com/eriklindernoren/PyTorch-YOLOv3 了解YOLOv3推演（检测）的过程。 本文主要针对YOLOv3如何训练，即分析trai...
yolov3 python代码_yolov3代码详解（三）
weixin_39564831的博客
12-09 673
import globimport randomimport osimport sysimport numpy as npfrom PIL import Imageimport torchimport torch.nn.functional as Ffrom utils.augmentations import horisontal_flipfrom torch.utils.data import...
[深度学习 - 目标检测] YOLO系列(五）：YOLO-V3源码解析：标签文件读取与处理
南城同学的博客
03-29 3778
源码：datasets.py 获取图片路径； def __getitem__(self, index): img_path = self.img_files[index % len(self.img_files)].rstrip() 读取图片，转为RGB格式，并且数据格式转为tensor； img = transforms.ToTensor()(Image.open(img_path).convert('RGB')) 数据预处理，如果数据不是三个channels,转换成三个； if
【从零开始学习YOLOv3】3. YOLOv3的数据加载机制和增强方法
云中寻雾的博客
08-12 1522
前言：本文主要讲YOLOv3中数据加载部分，主要解析的代码在utils/datasets.py文件中。通过对数据组织、加载、处理部分代码进行解读，能帮助我们更快地理解YOLOv3所要求的数据输出要求，也将有利于对之后训练部分代码进行理解。 1. 标注格式 在上一篇【从零开始学习YOLOv3】2. YOLOv3中的代码配置和数据集构建 中，使用到了voc_label.py，其作用是将xml文件转成txt文件格式，具体文件如下： # class id, x, y, w, h 0 0.86041666.
yolov10 学习笔记
最新发布
07-12
YOLOv10（You Only Look Once version 10）是一种基于深度学习的目标检测算法，它是YOLO系列的最新版本之一。YOLO算法以其实时性和高效性能而闻名，它将目标检测任务分解成预测bounding box（边界框）及其对应的类别。 学习YOLOv10的学习笔记可能会包括以下几个关键点： 1. **基础原理**：回顾YOLO的前身（如YOLOv3、YOLOv5），理解单次前向传播就完成目标检测的基本思想。 2. **网络结构**：YOLov10包含更多的新颖特征层和技术，如更深层次的残差块、注意力机制等，解释如何提高检测准确度。 3. **损失函数**：介绍Focal Loss和Smooth L1 Loss等优化策略，以及它们在防止过拟合、处理类别不平衡数据的作用。 4. **训练过程**：如何设置超参数如学习率、批量大小、训练轮数等，以及数据预处理步骤，如归一化、数据增强等。 5. **模型部署**：如何将训练好的模型应用到实际场景，例如通过TensorFlow或PyTorch框架进行推理。 6. **案例分析**：通过一些实战案例展示YOLOv10在行人检测、车辆识别等任务中的性能。
评论 2
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
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