qq_41627396的博客

将annotation和img的文件自动转换成yolov5数据集格式的labels，并且自动划分为train和val，目前发现的最好用的，上传到这里方便自己以后下载。转载于https://blog.csdn.net/didiaopao/article/details/120022845

将labelimg标注好的xml和原图片划分为yolov5格式的数据集。首先创建一个文件夹paper_data下面三个子文件夹1.images 2.Annotations 3. ImageSets/Main三个文件夹，这两个程序放在paper_data里面和其他三个子文件夹同一级。转载于https://blog.csdn.net/qq_36756866/article/details/109111065?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163583584216780264054953%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=163583584216780264054953&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-2-109111065.pc_search_result_control_group&utm_term=yolov5%E8%AE%AD%E7%BB%83%E8%87%AA%E5%B7%B1%E7%9A%84%E6%95%B0%E6%8D%AE%E9%9B%86&spm=1018.2226.3001.4187。上传这里方便自己以后查找使用

转载于https://blog.csdn.net/qq_42911028/article/details/120027337?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163581882716780357246029%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=163581882716780357246029&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-4-120027337.pc_search_result_control_group&utm_term=yolov%E5%B0%86%E6%95%B0%E6%8D%AE%E9%9B%86%E4%B8%BA%E5%88%92%E5%88%86%E8%AE%AD%E7%BB%83%E9%9B%86%E5%92%8C%E9%AA%8C%E8%AF%81%E9%9B%86&spm=1018.2226.3001.4187。将转换好的txt标注文件和jpg图片自动按照比例划分成为数据集。使用前需要先修改好python代码的地址，然后创建好train、val、test三个文件夹，每个文件夹下都包含了images和labels。按照文件要求创建好文件夹运行即可。上传到这里方便自己以后下载

转载于https://blog.csdn.net/BruceBorgia/article/details/118805278?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163581600516780261931218%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=163581600516780261931218&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-1-118805278.pc_search_result_control_group&utm_term=labelimg%E6%A0%87%E6%B3%A8%E7%9A%84%E5%9B%BE%E7%89%87%E8%BD%AC%E6%8D%A2%E6%88%90yolov5&spm=1018.2226.3001.4187。使用前需要创Annotations和labels文件夹和该python文件放在一块，Annotations保存labelimg标注好的xml文件，使用后labels文件夹内会生成对应的yolov5所需的txt文件，也要记得修改classes改成自己的瑕疵类别。上传到这里方便自己以后下载

可以将原先包含中文的地址，改成自己想要的地址。上传作用是方便自己以后下载

转载于https://blog.csdn.net/sxfd91307/article/details/94980559?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162737166216780366525358%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162737166216780366525358&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~baidu_landing_v2~default-1-94980559.pc_search_result_before_js&utm_term=%E5%B0%86voc%E6%95%B0%E6%8D%AE%E9%9B%86%E8%BD%AC%E6%8D%A2%E6%88%90yolo&spm=1018.2226.3001.4187，方便自己以后查找使用

广东工业大学应用概率论课后习题及试卷

研究生阶段数字信号处理课程相关资料

选修课的作业以及往年试卷

广东工业大学校园安全答案，用于线上答题

我主要用到的两个数据增强的另一个文件，源于imgaug，里面设置的是个人感觉比较好的效果

将图片对称翻转，同时更改xml文件，在我的处理中比较少用，但是防止找不到。转载于橘也的博文https://blog.csdn.net/qq_45057749/article/details/110244434，方便自己以后查找

将标注好的图片自动旋转90、180、270度，同时更改标注框，转载于网上其他大佬的文章，上传后方便以后自己查找

使用后会生成coco2017版的数据集，包含了train、val、test三个文件，分割比例：8：1：1，适用于我的博客教程。转载于lcqin111的博文https://blog.csdn.net/lcqin111/article/details/103146945，并且进行了修改。上传到这里方便自己以后查找

可用于标注前，防止后续图像损失，转载于机器视觉之眼的博文，方便自己以后查找https://blog.csdn.net/weixin_45081640/article/details/109594023#comments_16159877

用于rolabelimg标注出来的xml文件，自动转换成用于目标检测的coco数据集，包含了train、test、val三个文件夹。分割比例train:val:test为8:1:1

该版本只包含train和val两个json文件，不包含test，还需更改代码，但是可以用于rolabelimg转换coco