这篇博客介绍了如何使用FastestDet进行目标检测模型的训练。首先，数据集需按照YOLO格式准备，包括类别ID、中心点坐标和宽高。接着，提供了一个将VOC格式转换为YOLO格式的代码示例。接着，详细说明了配置文件的修改，特别是yaml文件的调整。训练时，使用预训练的shufflenetv2.pth模型，并指定了配置文件。最后，提醒读者在train.py中调整模型保存设置。
代码：https://github.com/dog-qiuqiu/FastestDet
一、构造数据集
数据集格式YOLO相同，每张图片对应一个txt标签文件。标签格式:“category cx cy wh”，category为类别id，cx, cy为归一化标签框中心点的坐标，w, h为归一化标签框的宽度和高度，
.txt标签文件内容示例如下:
0 0.51 0.32 0.0284 0.025
1 0.47 0.32 0.0625 0.1125
数据集文件结构如下：
images路径下分train和val两个文件夹，每个文件夹下：
如下为VOC转YOLO的代码：
超级会员免费看
import xml.etree
565
1902
3086
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
订阅专栏 解锁全文
扫一扫
