如何制作以及训练自己的数据集

最新推荐文章于 2024-02-26 01:09:17 发布
最新推荐文章于 2024-02-26 01:09:17 发布
阅读量4.9k 收藏 21
点赞数 1
文章标签： python 计算机视觉 学习 目标检测 深度学习
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/m0_52127604/article/details/124817612
版权

1. 标注

2. 自己获得数据集（手动）——人工标注

3. 自己获得数据集——半人工标注。利用别人训练好的模型进行标注，自己再进行微调

4. 仿真数据集（GAN，数字图像处理的方式）

GitHub——YOLOv5——readme——Tutorials——Train Custom Data（训练自定义数据）
在这里插入图片描述
1.需要准备与coco128.yaml格式相同的文件
指明根目录
训练集、验证集、测试集的相对路径
在这里插入图片描述
在这里插入图片描述

  1. 制作标签
    Make sense / CVAT
    具体步骤：标注自己的数据集
    在这里插入图片描述

在这里插入图片描述
以汽车为标签制作数据集
在这里插入图片描述
以YOLO格式导出数据集
在这里插入图片描述
数据集制作完毕
在这里插入图片描述
指定自己制作的数据集 run即可训练
在这里插入图片描述

爱学习的小登西
关注
  • 1
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
模仿mnist数据集制作自己的数据集代码
04-26
模仿mnist数据集制作自己的数据集代码。HOG+SVM，深度学习，识别中采用的数据集。可以适用多个平台，声明本代码在OPENCV3.3和VS2017测试通过。
PatchmatchNet: colmap制作自己的数据集文件下载
08-27
PatchmatchNet:colmap制作自己的数据集文件下载 （适用于PatchmatchNet） PatchmatchNet:colmap制作自己的数据集文件下载 （适用于PatchmatchNet） PatchmatchNet:colmap制作自己的数据集文件下载 （适用于PatchmatchNet） PatchmatchNet:colmap制作自己的数据集文件下载 （适用于PatchmatchNet） PatchmatchNet:colmap制作自己的数据集文件下载 （适用于PatchmatchNet） PatchmatchNet:colmap制作自己的数据集文件下载 （适用于PatchmatchNet） colmap制作自己的数据集文件下载 （适用于PatchmatchNet） colmap制作自己的数据集文件下载 （适用于PatchmatchNet） colmap制作自己的数据集文件下载 （适用于PatchmatchN
数据收集策略：如何构建高质量的训练数据集
最新发布
禅与计算机程序设计艺术
02-26 415
1.背景介绍 在人工智能的世界里，数据是一切的基础。无论是深度学习、机器学习还是其他的AI技术，都离不开大量的数据。数据的质量和数量直接决定了模型的性能和效果。因此，如何收集和构建高质量的训练数据集，是每一个AI工程师和研究者必须面对的问题。 2.核心概念与联系 在讨论数据收集策略之前，我们首
人脸识别之insightface使用自己的数据集制作训练文件以及详细说明
12-22
# 数据处理： 1、使用facenet中的文件或insight项目中的align_dataset_mtcnn.py将原始人脸数据先检测并处理成112x112大小， 2、制作训练集.rec文件 # python insightface/recognition/tools/im2rec.py --list --recursive /准备存放.lst的路径/准备存放.lst文件的名称（NBA） /图像文件夹路径/ #生成.lst # python im2rec2.py /刚刚生成的.lst文件路径/.lst的文件名 /图像文件夹路径/ ##生成.rec
目标检测训练数据集（VOC）制作教程
03-29
这个文档教程，一步步教你如何处理，制作自己的数据集进行目标检测的训练，这分教程教你制作标准的VOC数据集格式训练自己的目标检测模型。
Efficientdet的复现+训练自己的数据集
chenhaogu的博客
06-30 1443
efficientnet在工业检测展现出了极其强大的检测效果，与yolov3和yolov5为同一竞争赛道，曾连续霸版6个月以上，而已efficientnet为基础的其他改进模型在工业检测上也表征出适用性。官方源码的框架是基于tensortflow的，且复现的精度远远不及论文提及的精度。zylo117改进的pytorch代码在更容易复现，也更容易学习。复现源码：Yet-Another-EfficientDet-Pytorch/tutorial/train_logo.ipynb at master · zylo
使用Mask-RCNN训练自己的数据集看这一篇就够了，从制作数据集开始一步步教你如何玩转Mask-RCNN（保姆级教程）
热门推荐
ekekex的博客
04-15 1万+
使用Mask_RCNN训练自己的数据集的方法，教你从零开始训练自己的Mask_RCNN模型。
制作自己的数据集
internetv的博客
06-20 5206
当你有了本领域的数据集 又有了标签 你怎么给x_train,y_train,x_test,x_test赋值呢——自制数据集当你数据量过少，模型见识不足，泛化力会弱——数据增强当每次模型训练都从0开始，很不方便——断点续训，实时保存最优模型神经网络训练的目的是获取各层神经网络的最优参数，只要拿到这些参数就能在其他地方快速实现神经网络的前向传播，因此需要记录这些参数——参数提取，参数存入文本——acc/loss可视化——给图识物的例子#######################################
【目标检测实战学习】从零开始制作并训练自己的VOC数据集，并使用Retinanet进行目标检测
debby233的博客
07-20 4081
首先写一下我们这个项目的思路5.对训练集数据进行训练，得到一个权重文件.pt6.使用这个文件对测试集进行可视化结果测试。
训练自己的数据集
m0_53065609的博客
04-27 2387
一、将从网上下载的文件中 ，xml文件全部放在新建的annotations中，png或jpg全部放在images中。 二、新建一个脚本文件split_train_val.py，用于划分训练集、测试集和验证集。具体代码如下 # coding:utf-8 import os import random import argparse parser = argparse.ArgumentParser() #xml文件的地址，根据自己的数据进行修改 xml一般存放在Annotations下 parser.
pyTorch入门（五）——训练自己的数据集
Vaccae的博客
12-26 3260
学更好的别人，做更好的自己。——《微卡智享》本文长度为1749字，预计阅读5分钟前言前面四篇将Minist数据集的训练及OpenCV的推理都介绍完了，在实际应用项目中，往往需要用自己的数据集进行训练，所以本篇就专门介绍一下pyTorch怎么训练自己的数据集。微卡智享生成自己的训练图片上一篇《pyTorch入门（四）——导出Minist模型，C++ OpenCV DNN进行识别》中使用VS Stud...
tensorflow制作自己的图像数据集并训练
11-15
利用tensorflow制作自己的图像数据集并训练。现有代码，含详细的注释。能直接使用。并包含了4中原始图像：车，狗，脸，花，
将自己的数据集制作成TFRecord格式教程
12-20
此篇文章，教大家将自己的数据集制作成TFRecord格式，feed进网络，除了TFRecord格式，TensorFlow也支持其他格 式的数据，此处就不再介绍了。建议大家使用TFRecord格式，在后面可以通过api进行多线程的读取文件队列。...
使用Yolov3训练自己制作数据集，快速上手（详细图文教程）
qq_40280673的博客
06-07 4447
在目标检测和分类这方面，Yolo可以快速很好的解决许多问题，这里总结了快速上手Yolov3的方法，直接快速训练自己的数据集使用。
SSD训练自己的数据集（Pytorch），超详细版！！！！
qq_50773198的博客
11-13 6199
近期开始学习SSD算法啦，从拿到代码的茫然到最后可以跑通自己的代码（本人基础薄弱），已经非常非常开心喽~这篇文章主要介绍一下我的修改过程，以及我训练过程中遇到的问题，可以给大家避避坑，也方便我以后自己使用。那接下来就开始吧~另，在训练中参考的文章标明出处，如有侵权，请联系我删除：【数据集制作】VOC2007格式数据集制作和处理教程(Faster-RCNN模型标准输入)_AI小杨的博客-CSDN博客 SSD pytorch训练自己的数据集（windows+colab） | 码农家园SSD的pytorch实现训
如何用yolov5训练自己的数据集（走过路过不要错过！）
m0_74736756的博客
10-30 2371
输入指令：pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple。这里我使用了虚拟环境，如果你也想创建，可以参考我的另一篇博客。将要标注的图片放进去，这里我已经放入了六张熊猫的图片。输入指令：pip install labelimg。然后点击Open选择自己保存的图片就可以开始标注了。这是我使用的国外大佬搭建的。输入指令：labelimg。设置标注后的图片的保存位置。设置标注图片打开位置。
基于darknet框架+yolov3训练自己的数据集
Keep_Trying_Go的博客
05-24 1533
基于darknet框架+yolov3训练自己的数据集
图像处理—数据集的构建
Lcz971209的博客
11-24 5251
本内容针对有监督学习的图像，处理数据集。
创建自己数据集全套流程
weixin_45912366的博客
11-19 7676
创建自己数据集全套流程
使用cyclegan训练自己制作的数据集
07-27
使用CycleGAN训练自己制作的数据集是相对简单的。首先，你需要设定好数据集的路径以及名称。例如，如果你的数据集路径是"./datasets/my_dataset"，名称是"my_dataset_cyclegan"，你可以使用以下命令开始训练： python train.py --dataroot ./datasets/my_dataset --name my_dataset_cyclegan --model cycle_gan 这个命令会启动CycleGAN的训练过程，使用你提供的数据集进行训练。训练过程中，你可以在"result"文件夹下的一个web文件中查看训练的效果图，通常在训练20个epoch后会有一个大致的模型。如果训练过程中出现问题，你可以及时停止训练并找出原因。有时候，训练过程中出现问题可能是由于之前使用了其他模型（比如pix2pix）训练时修改了代码或其他设置，导致CycleGAN训练出现问题。解决方法是重新下载CycleGAN项目，并直接使用CycleGAN进行训练。\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* *3* [CycleGAN的复现和训练自己想要的数据集](https://blog.csdn.net/sarrr/article/details/122185093)[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^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [使用Cycle GAN训练自己的数据](https://blog.csdn.net/qq_22762933/article/details/130771201)[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^insertT0,239^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

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