用YOLOv5训练自己的数据集（VOC格式）

最新推荐文章于 2025-04-12 21:38:13 发布

ILoveNanjing

最新推荐文章于 2025-04-12 21:38:13 发布

阅读量290

点赞数

分类专栏： YOLO 文章标签： YOLO 深度学习人工智能

本文链接：https://blog.csdn.net/m0_70654337/article/details/134063219

版权

YOLO 专栏收录该内容

7 篇文章

订阅专栏

本文介绍了如何使用Labelimg软件进行图像标注，按照规范整理数据集，包括XML文件的存放，以及如何将数据集划分为训练、验证和测试集，同时详细说明了如何通过Yolov5进行模型训练，涉及XML转txt文件和配置修改的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

标注数据及准备自己的数据集

按照labelimg软件要求进行标注，此次项目数据已标好，按照软件要求存放照片和标注文件（xml），检查一下标注效果。

检查数据集

使用脚本检查数据集的标注类别及其他信息

参考链接：

【目标检测】根据xml统计VOC数据集各类别标注实例数量_统计xml数据集信息_ericdiii的博客-CSDN博客

将数据集划分为训练集、验证集、测试集

参考链接：

Yolov5训练自己的数据集（超详细）_yolov5训练自己数据集_一位安分的码农的博客-CSDN博客

生成4个txt文件，每个文件存储有不同图片的名称

将xml文件转化为txt文件，并生成由训练集、验证集、测试集图片路径汇总的txt文件

修改配置，开始训练

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

ILoveNanjing

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

YOLOv11来了，使用YOLOv11训练自己的数据集和推理(附YOLOv11网络结构图)

在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步

10-02

15万+

YOLOv11 由 Ultralytics 在 2024 年 9 月 30 日发布，最新的 YOLOv11 模型在之前的 YOLO 版本引入了新功能和改进，以进一步提高性能和灵活性。YOLO11 在快速、准确且易于使用，使其成为各种对象检测和跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。

YOLOv5训练自数据集（VOC格式）

alittle_trouble的博客

01-14

9144

关于YOLOV5训练YOLO格式数据集在上篇提到过【yolov5+deepsort运行和训练自数据集（自看）】_alittle_trouble的博客-CSDN博客_yolov5+deepsort训练自己的数据集 VOC数据集最终格式（此处是最终的实现效果，初始格式在下面）：其中JPEGImages中是所需要的所有图片，Annotations是所有图片标记之后生成的.xml文档，ImageSets中有名为Main的文件夹，文件夹下有test.py、train.txt、val.txt、trainv..

参与评论您还未登录，请先登录后发表或查看评论

YOLOv5训练数据集的配置文件格式与使用技巧

lujx_1024的博客

05-30

6286

本文档主要描述YOLOv5算法在训练模型时对于数据集的配置文件的使用技巧、格式以及注意事项，以及对于多批次数据的更加方便快捷的加载等操作示例

YOLOv5-训练自己的VOC格式数据集（VOC、自建数据集、负样本、没有xml、LabelImg）

Le0v1n 的博客

10-18

4173

YOLOv5-训练自己的VOC格式数据集 Key Word：YOLOv5-训练自己的VOC格式数据集（VOC、自建数据集、负样本、没有xml、LabelImg）

新手如何快速从数据集制作开始搭建自己的yolov5模型（详细图文教程）

最新发布

lovod的博客

04-12

1339

本文将对如何快速获取属于自己的模型展开简要介绍，从数据准备、模型训练到最终部署，一步步助力大家迅速领略深度学习的独特魅力。

YOLOv5训练自己的voc数据集

qq_52053775的博客

07-19

3562

查看yolov5的配置文件coco.yaml和coco128.yaml，yolov5数据集可以有两种形式，download部分完全没用，不要复制另一种就是将训练集、测试集、验证集图片路径直接写入txt文件中，复制coco.yaml，路径修改为自己的txt文件、种类数量、名称都要改为自己的数据。...

【深度学习】YOLOv5使用自己VOC数据集

Kindavid的博客

08-23

4123

【深度学习】YOLOv5替换自有VOC数据集

yolov5训练自己的VOC数据集

qq_46223426的博客

05-17

4260

yolov5训练自己的VOC数据集 此笔记基于yolov5的3.1版本，其他版本修改对应文件即可一、下载 1.下载yolov5源码在github yolov5官方仓库下载yolov5源码仓库地址：ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite (github.com) git镜像下载指令：git clone https://hub.fastgit.xyz/ultralytics/yolov5.git

基于YOLOv7训练自己数据集源码+voc转yolo脚本.rar

04-14

1、资源内容：基于yolov7训练自己数据集（完整源码+说明文档+数据）.rar 2、代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3、适用对象：计算机，电子信息工程、数学等专业的大学生课程设计...

[数据集][VOC]垃圾数据集VOC-14963张可用于yolov3 v4 v5 darknet训练

06-18

数据集格式：Pascal VOC格式(包含jpg图片，对应的xml，对应yolo格式txt，图片数量(jpg文件个数)：14963 标注数量(xml文件个数)：14963 txt数量(yolo格式txt)：14963 类别文件名文件：1个标注类别数：44,类别为全...

使用yolov5训练自己的数据集

qq_45754436的博客

07-09

2408

使用yolov5训练自己的数据集，并与前两题使用yolov10训练的结果做对比。由于在训练之前数据集划分的时候有点毛病，导致yolov5和yolov10的对比结果不行，不适用。原因：数据集当中有些图片是经过平移进行得到的。划分数据集的时候没有将一张图片经过平移之后得到的所有图片划分到训练集或验证机当中。

coco2017数据集--训练集的txt标注文件，适用于yolov5训练

09-11

此文件是使用coco2017的训练集的原json标注格式转化为xml文件标注格式再转化为txt标注格式的所有图片的标注，共118287个txt文件

YOLOV5训练标准数据集

Loadingplease的博客

09-23

1371

第一次接触Yolov5有点懵，对于小白的我根本不知道从何入手，上网查阅了大量资料和视频，才勉强使用Yolov5训练出了VOC标准数据集的结果，在Yolov5环境搭建的过程中出现了很多问题，在这里我将自己获得的经验分享给大家，电脑显卡为GTX 1650 4GB。

YOLOv5手把手教你制作VOC格式数据集与模型训练

JF823255922的博客

08-02

2522

引言 2020年2月YOLO之父Joseph Redmon宣布退出计算机视觉研究领域，2020 年 4 月 23 日YOLOv4 发布，2020 年 6 月 10 日YOLOv5发布。 YOLOv5源代码：https://github.com/ultralytics/yolov5 如果接触过目标检测算法框架，相信大家对YOLOv5再熟悉不过了，并且根据不同的项目的背景下，制作自己的数据集，是我们必不可少的一步。废话不多说，下面手把手的教你制作自己的训练数据集。数据预处理 1. 视频–>图像一般我们

yolov5训练voc数据集

qq_42377896的博客

05-12

2771

1.数据集下载好voc数据集，以2007为例，把数据集（VOCtrainval_06-Nov-2007和VOCtest_06-Nov-2007）都解压同一个文件夹里，记住解压后的图片是从000001.jpg-009963.jpd的。在VOCdevkit/目录下运行voc2yolo.py代码 import xml.etree.ElementTree as ET import pickle import os from os import listdir, getcwd from os.path imp

Yolov5(一)VOC划分数据集、VOC转YOLO数据集

08-13

1126

代码使用方法注意修改一下路径、验证集比例、类别名称，其他均不需要改动，自动划分训练集、验证集、建好全部文件夹、一键自动生成Yolo格式数据集在当前目录下，大家可以直接修改相应的配置文件进行训练。

用YOLOv5训练自己的目标检测数据集（以口罩检测为例）

热门推荐

cxzgood的博客

05-07

1万+

运行YOLOv5首先需要安装深度学习环境，教程请看安装pytorch深度学习环境（GPU版）。 YOLOv5的代码在GitHub上是开源的GitHub - ultralytics/yolov5，利用其代码实现自己的目标检测需求，需要2个步骤：1.准备数据集；2.配置代码参数，训练模型；3.预测。以下笔者将带大家一步步实现自己的目标检测模型训练。一、准备数据集 1.1 收集图片我们根据自己的需求收集相关图片，在这里以口罩识别为例。我们从网上收集到一些...

YOLOv5训练自己的数据集

传统图像处理，深度学习，目标检测（分类，检测，分割），多目标追踪，部署等

11-15

3048

yolov5

【YOLO系列】YOLO 数据集格式与训练日志

qq_51366016的博客

08-27

2204

YOLO算法的标注格式主要使用.txt文件来存储图像中物体的标注信息。每个图像都有一个对应的.txt文件，文件中的每行表示一个物体的标注，包括物体的类别索引和边界框（bounding box）的坐标。在使用YOLO进行训练时，生成的exp/detect/train类型的文件夹是训练过程中的一个关键组成部分。

yolov11训练自己数据集voc

12-30

### 使用YOLOv11训练自定义VOC格式数据集 #### 准备工作环境为了顺利使用YOLOv11训练自定义的VOC格式数据集，需先安装必要的依赖项并下载YOLOv11源码。通常情况下，建议创建一个新的虚拟环境以避免与其他项目发生冲突。 ```bash conda create -n yolov11 python=3.8 conda activate yolov11 pip install -r requirements.txt ``` #### 数据集准备对于VOC格式的数据集，其目录结构应遵循特定模式以便于框架识别和处理： - `images` 文件夹内放置所有的图像文件； - `annotations` 存储对应的XML标注文件； - `ImageSets/Main` 下则保存用于指定哪些样本属于训练集、验证集或测试集的文字列表文件[^2]。 #### 修改配置文件针对YOLOv11而言，在开始训练前还需要调整几个重要的参数设定。这主要包括但不限于以下几个方面： - **模型架构**: 如果有特殊需求可编辑`.yaml`文件中的网络层设计部分。 - **超参设置**: 如学习率(`lr`)、批次大小(`batch-size`)等均可以在相应的Python脚本中找到并更改[^3]。 ```python # train.py 中的部分代码片段展示 if __name__ == '__main__': parser = argparse.ArgumentParser() parser.add_argument('--weights', type=str, default='yolov11_training.pt') parser.add_argument('--cfg', type=str, required=True) parser.add_argument('--data', type=str, required=True) parser.add_argument('--epochs', type=int, default=300) parser.add_argument('--batch-size', type=int, default=16) opt = parser.parse_args() ``` #### 开始训练过程当一切准备工作完成后就可以启动实际的训练流程了。通过命令行调用`train.py`即可执行此操作，并传入之前提到的各项必要参数作为输入选项。 ```bash python train.py --img 640 --batch 16 --epochs 50 --data mydata.yaml --cfg models/yolov11.yaml --weights '' --cache ```