VOC类型数据集划分为训练集、验证集、测试集

对于labelme采集的VOC类型数据集。我们一般有将其划分为训练集、验证集、 测试集方便我们模型使用的需求。

针对上述问题,我编写了一个小工具代码。

import os
import glob
import random
import xml.etree.ElementTree as ET
config = {
    # Annotations path(Annotations 的文件夹路径)
    "Annotation":"/data/data94796/Annotations",
    # JPEGImages path(JPEGImages 的文件夹路径)
    "JPEGImages":"/data/data94796/images",
}
# 划分数据集

# 数据划分比例
# (训练集+验证集)与测试集的比例,默认情况下 (训练集+验证集):测试集 = 9:1

# 按照比例划分数据集
train_per = 0.8
valid_per = 0.1
test_per = 0.1

data_xml_list = glob.glob(os.path.join(config['Annotation'], '*.xml'))
data_jpg_list = glob.glob(os.path.join(config['JPEGImages'], '*.*'))
data_xml_list.sort()
data_jpg_list.sort()
# 生成label标签:
label = set()
for xml_path in data_xml_list:
        label = label | set([i.find('name').text for i in ET.parse(xml_path).findall('object')])
data_list=[]
for i,j in zip(data_jpg_list,data_xml_list):
    data_list.append(i+" "+j)
data_xml_list=data_list
print(data_xml_list)
random.seed(666)
random.shuffle(data_xml_list)
data_length = len(data_xml_list)

train_point = int(data_length * train_per)
train_valid_point = int(data_length * (train_per + valid_per))

# 生成训练集,验证集, 测试集(8 : 1 : 1)
train_list = data_xml_list[:train_point]
valid_list = data_xml_list[train_point:train_valid_point]
test_list = data_xml_list[train_valid_point:]

 


# 写入文件中
ftrain = open('/home/aistudio/data/data94796/trainval.txt', 'w')
fvalid = open('/home/aistudio/data/data94796/valid.txt', 'w')
ftest = open('/home/aistudio/data/data94796/test.txt', 'w')
flabel = open('/home/aistudio/data/data94796/label_list.txt', 'w')

for i in train_list:
        ftrain.write(i + "\n")
for j in valid_list:
        fvalid.write(j + "\n")
for k in test_list:
        ftest.write(k + "\n")
for l in label:
        flabel.write(l + "\n")
ftrain.close()
fvalid.close()
ftest.close()
flabel.close()
print("总数据量:{}, 训练集:{}, 验证集:{}, 测试集:{}, 标签:{}".format(len(data_xml_list), len(train_list), len(valid_list), len(test_list), len(label)))
print("done!")

效果如下。左边会生成label标签文件,以及划分的训练集, 验证集, 测试集文件。
这里文件内的组织形式的 图片地址+标签地址

在这里插入图片描述
若只需要标签地址可以使用这个代码。

import os
import glob
import random
import xml.etree.ElementTree as ET
config = {
    # Annotations path(Annotations 的文件夹路径)
    "Annotation":"/data/data94796/Annotations",
    # JPEGImages path(JPEGImages 的文件夹路径)
    "JPEGImages":"/data/data94796/images",
}
# 划分数据集

# 数据划分比例
# (训练集+验证集)与测试集的比例,默认情况下 (训练集+验证集):测试集 = 9:1

# 按照比例划分数据集
train_per = 0.8
valid_per = 0.1
test_per = 0.1

data_xml_list = glob.glob(os.path.join(config['Annotation'], '*.xml'))
# 生成label标签:
label = set()
for xml_path in data_xml_list:
        label = label | set([i.find('name').text for i in ET.parse(xml_path).findall('object')])
random.seed(666)
random.shuffle(data_xml_list)
data_length = len(data_xml_list)

train_point = int(data_length * train_per)
train_valid_point = int(data_length * (train_per + valid_per))

# 生成训练集,验证集, 测试集(8 : 1 : 1)
train_list = data_xml_list[:train_point]
valid_list = data_xml_list[train_point:train_valid_point]
test_list = data_xml_list[train_valid_point:]

 


# 写入文件中
ftrain = open('/home/aistudio/data/data94796/trainval.txt', 'w')
fvalid = open('/home/aistudio/data/data94796/valid.txt', 'w')
ftest = open('/home/aistudio/data/data94796/test.txt', 'w')
flabel = open('/home/aistudio/data/data94796/label_list.txt', 'w')

for i in train_list:
        ftrain.write(i + "\n")
for j in valid_list:
        fvalid.write(j + "\n")
for k in test_list:
        ftest.write(k + "\n")
for l in label:
        flabel.write(l + "\n")
ftrain.close()
fvalid.close()
ftest.close()
flabel.close()
print("总数据量:{}, 训练集:{}, 验证集:{}, 测试集:{}, 标签:{}".format(len(data_xml_list), len(train_list), len(valid_list), len(test_list), len(label)))
print("done!")
  • 1
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
您好!对于VOC数据集的划分训练,一般可以按照以下步骤进行: 1. 数据划分:将原始VOC数据划分训练集、验证集和测试集。一般的划分比例是70%用于训练,15%用于验证,15%用于测试。可以根据实际情况进行调整。 2. 数据预处理:对于每个数据集,需要进行一些预处理操作,如图像的大小调整、标注框的坐标转换等。可以使用图像处理库如OpenCV来进行这些操作。 3. 数据加载:使用相应的数据加载库,如PyTorch或TensorFlow,将数据集加载到训练过程中。这些库提供了方便的API来处理图像和标注框。 4. 模型选择:选择适合目标检测任务的模型,如Faster R-CNN、YOLO或SSD等。这些模型已经在VOC数据集上进行了训练验证,并取得了较好的效果。 5. 模型训练:使用加载的数据集和选择的模型,在训练集上进行模型训练训练过程中,可以使用一些优化器如Adam或SGD,并设置合适的学习率、批大小等超参数。 6. 模型验证:在验证集上评估模型的性能,计算准确率、召回率、平均精确度(mAP)等指标。可以通过调整模型结构、超参数等来提升性能。 7. 模型测试:在测试集上进行最终的模型测试,评估模型在未见过的数据上的性能。可以通过计算mAP或其他指标来评估模型的检测效果。 请注意,以上仅为一般的训练流程,具体操作可能因您所选择的框架、模型和任务而有所不同。希望对您有所帮助!如果您还有其他问题,请随时提问。
评论
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