处理Stanford cars数据集用于目标检测训练

最新推荐文章于 2024-10-16 20:51:03 发布

页图

最新推荐文章于 2024-10-16 20:51:03 发布

阅读量2.4k

点赞数 2

分类专栏：深度学习文章标签：深度学习

本文链接：https://blog.csdn.net/qq_32159463/article/details/110959149

版权

本文介绍了如何处理Stanford Cars数据集，包括提取数据类型、创建XML和TXT文件，以及调整YOLO训练配置进行目标检测。通过划分训练集和测试集，配置网络结构并启动训练过程。

摘要由CSDN通过智能技术生成

处理cars_annos.mat文件：

提取去数据集的类型名称
提取出序号, 图片名, 类别, 属于测试集还是训练集

import scipy.io


# 提取标签
def process1():
    data = scipy.io.loadmat('./data/cars_annos.mat')
    class_names = data['class_names']
    f_class = open('label_map.txt1', 'w')

    num = 1
    for j in range(class_names.shape[1]):
        class_name = str(class_names[0, j][0]).replace(' ', '_')
        print(num, class_name)
        f_class.write(str(num) + ' ' + class_name + '\n')
        num = num + 1
    f_class.close()


# 提取 序号, 图片名, 类别, 属于测试集还是训练集(0,1表示)
def process2():
    import scipy.io

    data = scipy.io.loadmat('./data/cars_annos.mat')
    annotations = data['annotations']
    f_train = open('mat2txt.txt', 'w')

    num = 1
    for i in range(annotations.shape[1]):
        name = str(annotations[0, i][0])[2:-2]
        test = int(annotations[0, i][6])
        clas = int