ppddledetection 参数增加数据集路径

已于 2022-06-28 14:40:54 修改
阅读量284 收藏
点赞数
分类专栏： 工程能力 文章标签： python 深度学习 开发语言
于 2022-06-28 14:38:32 首次发布
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/qq_33228039/article/details/125501978
版权

使用paddledetection的时候发现，数据集的参数只能在配置文件里修改，不能通过参数的方式传入，自己修改了一下。

在trainer.py的78行增加下面代码

        if cfg.dataset_dir:
            self.dataset.dataset_dir = cfg.dataset_dir

在训练的时候，需要增加参数-o dataset_dir=路径

东东就是我
关注
专栏目录
SSD-Tensorflow 学习三：在自己的数据集上微调（优化）
juwenkailaodi的博客
01-20 1877
踩了很多坑，花费了好久好久，内心的崩溃程度，还是自己太菜。 在所有的准备工作都down了之后，接下来就需要使用模型在自己的数据集上进行训练。SSD-Tensorflow 官网上给出的建议是：可以先在imageNet预训练的模型的基础上利用自己的数据集对网络模型进行微调，即固定骨干网络参数，对附加网络结构进行训练，当模型收敛达到0.5mAP的时候，再对所有参数进行微调。 预训练模型：models...
YOLOv8训练自定义数据集yaml中的相对路径datasets_dir，以方便移植
m0_63485455的博客
03-03 3366
之前使用yolov5和yolov9，它们在训练时数据集与代码的目录是这样的：以coco128.yaml为例但是yolov8是这样的datasets和代码放在一起，移植的时候很不方便。虽然也可以把path改为绝对路径，移植的时候还要改。
CLIP-ReID代码解读五——dataset文件夹（数据集读取和处理）
最新发布
SisterRu的博客
06-19 1257
这段代码定义了一个用于处理 Market-1501 数据集的类Market1501，该数据集常用于行人重识别任务。该类继承自初始化数据集路径。检查数据集文件是否存在。处理图像目录，提取图像路径、行人ID、摄像机ID等信息，并根据需要重新标注行人ID。打印数据集统计信息。计算并存储训练集、查询集和图库集的图像数量和行人数量等信息。其中是一条用来创建正则表达式模式的语句，用于从文件名中提取行人ID（pid）和摄像机ID（camid）。
pytorch基础语法学习：数据读取机制Dataloader与Dataset
学姐带你玩AI的博客
03-30 1409
主要讲述数据模块，如何从硬盘中读取数据，对数据进行预处理、数据增强，转换为张量的形式输入到模型之中
PaddleDetection支持的数据格式
qq_36537774的博客
09-02 866
PaddleDetection支持的数据格式 目前#PaddleDetection支持43种数据格式：coco voc widerface。在这里我们主要说明一下如何使用自定义COCO进行目标检测、实例分割；如何使用自定义VOC数据集进行目标检测。 在PaddleDetection新的版本中，我们将数据配置抽离了出来，用户在自定义数据集进行训练的时候，只需要关注在configs/datasets文件中的数据配置文件即可。 1 使用自定义VOC数据集进行目标检测训练 当用户使用VOC数据集进行的，只需要
pytorch数据预处理1:Dataloader与DataSet
haimianjie2012的专栏
09-22 747
拆分RMB_DATA数据集 1.os.path.dirname import os BASE_DIR = os.path.dirname(os.path.abspath(__file__)) print("Base_dir:", BASE_DIR) print("abspath:",os.path.abspath(__file__)) os.path.dirname(path)作用：去掉文件名，返回目录 os.path.abspath(__file__) 作用： 获取当前脚本的完整路径 os..
Halcon 深度学习（二）：目标检测
qq_41373415的博客
04-20 1万+
目录前言一、准备1、准备目标检测所需图片2、用工具将训练图片打上标签（MVTec Deep Learning Tool）2.1、新建项目2.2、打上标签2.3、导出数据集二、编写代码1、创建目标检测模型2、预处理数据3、训练4、评估5、测试 前言 最近学习深度学习时的一些总结和看法，参照深度学习的自带案例（detect_pills_deep_learning_1_prepare.hdev） 一、准备 1、准备目标检测所需图片 images文件夹：训练模型的图片 testImages文件夹：模型训练完后
tensorflow深度学习实战笔记（一）：使用tensorflow slim自带的模型训练自己的数据
chenyuping333的博客
08-09 9643
目录 0、准备 1、数据处理---图片格式转成TFRecord格式 2、模型训练 3、验证训练后的效果 说明：此处可以模仿源码中inception v3的分类案例 slim预训练好的包含inception v1，inception v2，inception v3，inception v4，mobilenet v1，mobilenet v2，NasNet，pNasNet等。可以根据需要进...
SSD-Tensorflow项目源码学习：将数据集转化为为TFR文件
El Psy Congroo
08-15 2463
TF-Record介绍 数据格式介绍 TFR数据生成 tf_convert_data.py pascalvoc_to_tfrecords.py TF-Record介绍 tfrecord数据文件是一种将图像数据和标签统一存储的二进制文件，能更好的利用内存，在tensorflow中快速的复制，移动，读取，存储等。 tfrecord文件包含了tf.train.Example 协议...
Pytorch：Dataloader和Dataset以及搭建数据部分的步骤
龙雪的博客
07-21 1716
接下来几篇博文开始，介绍pytorch五大模块中的数据模块，所有概念都会以第四代人民币1元和100元纸币的二分类问题为例来具体介绍，在实例中明白相关知识。 数据模块的结构体系 数据模块分为数据的收集、划分、读取、预处理四部分，其中收集和划分是人工可以设定，而读取部分和预处理部分，pytorch有相应的函数和运行机制来实现。读取部分中pytorch靠dataloader这个数据读取机制来读取数据。 Dataloader Dataloader涉及两个部分，一是sampler部分，用于生成数据的索引（
Windows 上 DeepLab v3+ 训练自己的数据集
阳光在手指间
07-05 9599
Windows10 tensorflow 1.6 cuda 9.0 cudnn7.0 1、源码：https://github.com/tensorflow/models/tree/master/research/deeplab 2、首先可以先下载VOC数据集进行训练 3、将自己的数据集参照VOC数据格式进行修改 JPEGImages中存放原始图像数据 Segme...
Paddle简介
weixin_43166986的博客
08-19 1万+
PaddlePaddle是百度公司提出的深度学习框架。近年来深度学习在很多机器学习领域都有着非常出色的表现，在图像识别、语音识别、自然语言处理、机器人、网络广告投放、医学自动诊断和金融等领域有着广泛应用。面对繁多的应用场景，深度学习框架有助于建模者节省大量而繁琐的外围工作，更聚焦业务场景和模型设计本身。 深度学习框架优势 使用深度学习框架完成模型构建有如下两个优势： 1：节省编写大量底层代码的精力：屏蔽底层实现，用户只需关注模型的逻辑结构。同时，深度学习工具简化了计算，降低了深度学习入门门槛。 2：省去了部
yolov4解读（二）：从代码中解读数据加载
weixin_45209433的博客
01-20 3270
代码来自：链接 1、在pytorch 中继承自己数据集的常用框架 class Yolo_dataset(Dataset): def __init__(self, label_path, cfg, train=True): def __getitem__(self, index): def __len__(self): train_dataset = Yolo_dataset(config.train_label, config, train=True) val_dataset = Yol
制作VOC数据集并生成tf训练文件
qq_40006903的博客
05-06 544
制作VOC数据集 1、VOC2007下载地址:https://pjreddie.com/projects/pascal-voc-dataset-mirror/ 2、仿照其结构在项目中构造如下文件夹： /mnt/text_detection/dataset/VOCdevkit/VOC2007 JPEGImages中存放.jpg图片 Annotations中存放标记好的.xml文件 ImageSe...
【学习笔记】使用Tensorflow版ICNet训练自己的数据集
野生C++程序员
04-09 2568
所用ICNet版本：hellochick-Github，star 286 目前想在Tensorflow框架下使用ICNet训练自己的数据集，发现语义分割方面好像Tensorflow框架下的“官方”代码很少，都是大牛按照原作者的论文结合原作者在caffe框架下的代码复现的……本篇博客使用的代码也不例外，是台湾省的国立清华大学的一名硕士生写的……膜拜。 这篇博客记录一下如何不使用预训练的权重训练自...
根据自己的数据集制作tf.records(图片信息保存非xml格式读取)
BlueBubble的博客
08-27 912
convert.py转换信息的主文件 定义好datadir即图片文件夹所在的地址 输出tfrecords文件的输出路径 还有数据集的名称 import tensorflow as tf import pascalvoc_to_tfrecords FLAGS = tf.app.flags.FLAGS tf.app.flags.DEFINE_string( 'dataset_name...
PaddleDetection在飞浆平台上的使用教程
qq_39809270的博客
03-14 1340
转载自己的文章 写在前面 这是我的第一篇技术博客，也是我希望能在研究生生涯开始之前让自己保持良好的项目记录习惯和总结习惯的开始。首先明确一下博客的目的肯定是希望让更多人在接触深度学习时少走一些弯路，所以这同时也是一篇踩坑总结。 了解你的硬件设备 在模型训练开始首先一定要了解你的硬件设备，本次项目的目的是将所训练的模型部署到eageboardFz3B板卡上，所以在此之前一定要先了解你的硬件设备所能承载的模型的版本及依赖。线总结如下： eageboard依赖的版本号 paddlepaddl
Pytorch实现YOLOv3训练自己的数据集
热门推荐
陶陶name
08-01 4万+
1.说明： 最近一直在研究深度学习框架PyTorch,就想使用pytorch去实现YOLOv3的object detection.在这个过程中也在各大论坛、贴吧、CSDN等中看了前辈们写的文章，在这里由衷的感谢帮助过我的朋友们，真的很感谢！！！！ 接下来就将这一过程写在下面，希望对在学习计算机视觉的小伙伴有一定的帮助 2.环境： 笔者的环境: ubuntu18.04 PyTorch 1....
深度学习 -- Pytorch学习 数据集API Dataset与DataLoader 重载鸢尾花数据集
努力！加油！！
04-30 1046
笔记
PaddlePaddle入门——基本概念
樱缘之梦
08-21 8976
最近报了百度的深度学习认证，需要使用Paddle进行编程实现，找了一些基础教程，特意记录下来，加深印象。思维导图如下： 一、Paddle的内部执行流程 Paddle使用一种编译器式的执行流程，分为编译时和运行时两个部分，具体包括：编译器定义Program，创建Executor运行Program。执行流程图如下： 1.编译时，python程序是通过调用Paddle提供的段子，向一段Program中添加变量（Tensor）以及对变量的操作（Operators或者Layers）。用户只需要描述核心的
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