Yolov5制作自己的数据集,图片标签重命名程序

制作自己的数据集,应该先进行格式重命名,以便于后期处理

import os

class BatchRename():
    '''
    批量重命名文件夹中的图片文件

    '''
    def __init__(self):
        self.path = r'E:\python学习资料\python数据处理\xiangduiying'  #表示需要命名处理的文件夹

    def rename(self):
        filelist = os.listdir(self.path) #获取文件路径
        total_num = len(filelist) #获取文件长度(个数)
        i = 1  #表示文件的命名是从1开始的
        for item in filelist:
            if item.endswith('.jpg'):  #初始的图片的格式为jpg格式的(或者源文件是png格式及其他格式,后面的转换格式就可以调整为自己需要的格式即可)
                src = os.path.join(os.path.abspath(self.path), item)
                # dst = os.path.join(os.path.abspath(self.path), '2_' + str(i) + '.jpg')#处理后的格式也为jpg格式的,当然这里可以改成png格式
                # dst = os.path.join(os.path.abspath(self.path), '002_' + str(i) + '.jpg')

                dst = os.path.join(os.path.abspath(self.path), '0' + format(str(i), '0>3s') + '.jpg')    #这种情况下的命名格式为0000000.jpg形式,可以自主定义想要的格式
                print(dst)
                try:
                    os.rename(src, dst)
                    print('converting %s to %s ...' % (src, dst))
                    i = i + 1
                except:
                    continue
        print('total %d to rename & converted %d pngs' % (total_num, i))

if __name__ == '__main__':
    demo = BatchRename()
    demo.rename()

当没有提前编号时,后期处理会带来一些麻烦,不过也有代码可以帮助大家

import os

class BatchRename():
    '''
    批量重命名文件夹中的图片文件

    '''
    def __init__(self):
        self.path1 = r'E:\python学习资料\python数据处理\xiangduiying'  #表示需要命名处理的文件夹
        self.path2 = r'E:\python学习资料\python数据处理\labels_my-project-name_2021-09-23-10-49-03'  #表示需要命名处理的文件夹

    def rename(self):
        filelist1 = os.listdir(self.path1) #获取文件路径
        filelist2 = os.listdir(self.path2) #获取文件路径
        total_num = len(filelist1) #获取文件长度(个数)
        i = 1  #表示文件的命名是从1开始的
        for item in filelist1:
            if item.endswith('.jpg'):  #初始的图片的格式为jpg格式的(或者源文件是png格式及其他格式,后面的转换格式就可以调整为自己需要的格式即可)
                src1 = os.path.join(os.path.abspath(self.path1), item)
                src2 = os.path.join(os.path.abspath(self.path2), item[:-4]+'.txt')
                # dst = os.path.join(os.path.abspath(self.path), '2_' + str(i) + '.jpg')#处理后的格式也为jpg格式的,当然这里可以改成png格式
                # dst = os.path.join(os.path.abspath(self.path), '002_' + str(i) + '.jpg')

                dst1 = os.path.join(os.path.abspath(self.path1), '0' + format(str(i), '0>3s') + '.jpg')    #这种情况下的命名格式为0000000.jpg形式,可以自主定义想要的格式
                dst2 = os.path.join(os.path.abspath(self.path2), '0' + format(str(i), '0>3s') + '.txt')    #这种情况下的命名格式为0000000.jpg形式,可以自主定义想要的格式

                os.rename(src1, dst1)
                os.rename(src2, dst2)
                print('converting %s to %s ...' % (src1, dst1))
                print('converting %s to %s ...' % (src2, dst2))
                i = i + 1

        print('total %d to rename & converted %d jpg' % (total_num, i))

if __name__ == '__main__':
    demo = BatchRename()
    demo.rename()
  • 8
    点赞
  • 31
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
要使用CenterNet训练自己的数据集,你需要进行以下步骤: 1. 删除之前训练过程中生成的缓存文件。如果你之前使用了coco数据集测试了模型,需要删除CenterNet-master/cache/coco_minival2014.pkl文件。这是因为在第一次运行时,代码会将coco数据集的instances转换为模型所需的格式,并在下一次使用时直接读取。如果你没有训练过coco数据集,可以忽略这一步。\[1\] 2. 修参数。根据你要训练的模型选择对应的文件,比如models/CenterNet-52.py或models/CenterNet-104.py。在文件中找到第132行,将out_dim的值从80修为你自己数据集的类别数目。\[2\] 3. 将数据集分成训练集和验证集。将图片文件夹重命名为trainval2014和minival2014,并放置在CenterNet-master/data/coco/images目录下。将对应的json文件命名为instances_trainval2014.json和instances_minival2014.json,并放置在CenterNet-master/data/coco/annotations目录下。\[3\] 完成以上步骤后,你就可以使用CenterNet训练自己的数据集了。 #### 引用[.reference_title] - *1* *2* *3* [CenterNet 训练自己的数据集](https://blog.csdn.net/surserrr/article/details/100153886)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

Fighting_1997

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
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