YOLOv5的数据集制作

  这篇博客记录的是我制作数据集的过程和一些心得,希望可以帮助到一些小伙伴。

1.首先,我们要知道yolo数据集的格式如下:

   

   其中我们做数据集的时候一定要注意!label里面的txt文档!一定要是txt的格式才是yolo可以跑!如果不是txt格式的,要去改下格式。可以去打标签的软件里面再重新打标,有点麻烦,不过可行。

 

 把自己要训练的照片放在train里面,然后放几张测试集的照片放在val里面。

打好标签之后就可以把标签按照train和val分类,把对应的标签放在对应的标签文件夹里面。

 在labels文件夹里面还需要新建一个class.txt文档用来写训练的种类。

比如:patato,tomato,apple......

或者可以参考这个博主写的,用代码自动划分数据集和测试集:

在data目录下创建程序 split_train_val.py 并

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
你可以使用LabelImg工具来制作YOLOv5数据集。下面是一些步骤供你参考: 1. 安装LabelImg:首先,你需要安装LabelImg工具。你可以在GitHub上找到它的源代码并进行安装。 2. 准备图像:将你的图像文件存放在一个文件夹中,确保它们是你想要标记的对象的图像。 3. 打开LabelImg:打开LabelImg工具,并点击"Open Dir"按钮选择你准备好的图像文件夹。 4. 设定标签:点击左上角的"Create RectBox"按钮,然后在图像上拖动鼠标来创建一个矩形框,框出你想要标记的对象。在弹出的对话框中,输入该对象的标签。 5. 进行标记:继续在图像上创建矩形框并标记其他对象。你可以使用快捷键Ctrl + s来保存标记。 6. 导出标签:点击左上角的"Save"按钮,将标签以XML格式保存在一个文件夹中。每个图像都应有相应的XML文件。 7. 转换为YOLOv5格式:使用脚本将XML标签转换为YOLOv5格式。你可以在GitHub上找到一些脚本来完成这个任务。 8. 划分训练集和验证集:根据你的需求,将数据集划分为训练集和验证集。通常,80%的数据用于训练,20%用于验证。 9. 调整图像大小:YOLOv5需要将图像调整为相同的大小。你可以使用图像处理库(如OpenCV)来实现这一步骤。 10. 创建数据集配置文件:创建一个配置文件,指定训练和验证数据集的路径、类别等信息。 11. 开始训练:使用YOLOv5框架进行训练。你可以参考YOLOv5的文档来了解如何进行训练。 这些步骤应该可以帮助你制作YOLOv5数据集。请记住,根据你的具体需求,可能还需要进行一些额外的步骤或调整。

“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 1
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
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