Darknet YOLOv3之数据集的构造

tomorrow″

已于 2023-05-14 15:17:23 修改

阅读量368

点赞数 1

文章标签： Darknet 数据集

于 2019-11-23 18:00:34 首次发布

本文链接：https://blog.csdn.net/qq_42406643/article/details/103216886

版权

Darknet YOLO v3之数据集改造

Darknet YOLO v3 入门指南参照：https://blog.csdn.net/huaifan0951/article/details/88538282

NWPU VHR-10 dataset 下载:
http://jiong.tea.ac.cn/people/JunweiHan/NWPUVHR10dataset.html
or
链接：https://pan.baidu.com/s/1_tkTVEIW5zfR1jZ33P_fXg。提取码：RSAI．

https://blog.51cto.com/u_15699099/5421430#3NWPU_VHR10_14

NWPU_VHR_LABEL.py 下载:
https://github.com/zcybupt/zcybupt.github.io/blob/master/codes/nwpu_vhr_label.py
or
https://github.com/zcybupt/rawfiles/blob/master/codes/nwpu_vhr_label.py

改造数据集时的文件结构

三个文件夹

ground_truth
labels（空文件夹）
positive_image_set

文件夹内部
ground_truth
将训练图片的所有txt放置到名为ground_truth文件夹下
positive_image_set
用于训练的所有图片放置在该文件夹下。

运行NWPU_VHR_LABEL.py

python NWPU_VHR_LABEL.py  #运行NWPU_VHR_LABEL.py

#输出为：
492     # 训练集数量

158     # 测试集数量

650     # 图片总数

最终生成： train.txt，val.txt，/labels下的650个转换后的标注txt文件

生成的train.txt与val.txt内容结构类似，内容为：
在这里插入图片描述
DarkNet默认标注文件与图片在同一目录下，故此最后还需要将labels下的txt复制到目录positive_image_set下。
变成类似这样

搞定。