![](https://img-blog.csdnimg.cn/20190918140158853.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
数据集
文章平均质量分 64
常用数据集
ZZY_dl
积极向上 自信阳光
展开
-
训练数据集(一):真实场景下采集的煤矸石目标检测数据集,可直接用于YOLOv5/v6/v7/v8训练
煤矸石训练数据集:891张;验证数据数据集:404张数据集类别:0代表煤炭(coal),1代表矸石(gangue),2代表煤炭和矸石的混合物(coal and gangue)所有数据都有对应的标签,可直接提供给YOLO网络进行训练,数据集已划分好。划分格式如下root_path:原图展示部分标注可视化结果展示。原创 2024-03-18 15:50:34 · 885 阅读 · 0 评论 -
数据集学习笔记(六):目标检测和图像分割标注软件介绍和使用,并转换成YOLO系列可使用的数据集格式
labelImg是一个开源的图像标注工具,用于创建图像标注数据集。它提供了一个简单易用的界面,允许用户通过绘制边界框或者创建多边形来标注图像中的对象。它支持多种常见的标注格式,如Pascal VOC、YOLO和COCO等。使用labelImg,用户可以加载图像文件夹,逐个标注图像中的对象,并保存标注结果。该工具还提供了一些快捷键和功能,如缩放、移动和删除标注框,以及快速切换到下一张图像等。此外,labelImg还支持标注图像的困难程度、部分可见性和关键点等。原创 2023-08-30 17:41:17 · 5619 阅读 · 1 评论 -
数据集学习笔记(五):widerface数据集下载及转voc格式
文章目录widerface数据集下载转voc2007格式转换之后的数据widerface数据集下载下载这四个文件转voc2007格式from skimage import ioimport shutilimport randomimport osimport string headstr = """\<annotation> <folder>VOC2007</folder> <filename>%06d.jpg</f转载 2021-11-20 18:13:23 · 1954 阅读 · 0 评论 -
数据集学习笔记(四):VOC转COCO数据集并据txt中图片的名字批量提取对应的图片并保存到另一个文件夹
文章目录转换代码根据名字将图片保存在另一个文件夹转换代码import osimport randomimport shutilimport sysimport jsonimport globimport xml.etree.ElementTree as ET"""You only need to set the following three parts1.val_files_num : num of validation samples from your all samples原创 2021-11-12 09:30:40 · 599 阅读 · 0 评论 -
数据集学习笔记(三):COCO创建dataloader用于训练
文章目录安装环境COCO训练数据加载代码安装环境# 安装Cythonpip install -i https://pypi.tuna.tsinghua.edu.cn/simple Cython # 安装pycocotoolspip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI如果下面这个安装不起,就通过这个下载然后pip install 即可COCO训练数据加载代码impo原创 2021-08-13 21:43:43 · 2207 阅读 · 4 评论 -
数据集学习笔记(二): 转换不同类型的数据集用于模型训练(XML、VOC、YOLO、COCO、JSON、PNG)
文章目录xml转换为cocoxml转换为coco只要修改倒数第三四行的代码即可使用,倒数第四行主要是xml的文件夹,注意下路径斜杠的方向即可,倒数第三行就是这个xml的文件名,是val就写val,是train就写train。import xml.etree.ElementTree as ETimport osimport json coco = dict()coco['images'] = []coco['type'] = 'instances'coco['annotations'] =原创 2021-07-08 20:17:30 · 3167 阅读 · 2 评论 -
数据集学习笔记(一):常用检测、行为检测数据集
文章目录常用分类数据集一 CIFAR系列二 COCO三 VOC系列四 ImageNet五 将图像数据集划分为训练集,验证集,测试集常用分类数据集一 CIFAR系列CIFAR10有6w张32*32的图片,一共有10个类别,每个类别6000张,5w张训练,1w张测试。数据集实际被分为6batches,5份训练,1份测试,每份均为1w张。测试集的1w张,是随机从10个类别中分别抽取的1000张,类别完全均衡。5份训练集中,可能某份内,一个类别的数据比另一个类别少或多,但是整体5份里面各类数据的总和是500原创 2021-06-25 09:55:58 · 2115 阅读 · 3 评论