voc数据集生成test.txt

import os

rootann = 'VOCdevkit\VOCdevkit\VOC2012\Annotations'
roottrainval = 'VOCdevkit\VOCdevkit\VOC2012\ImageSets\Main\\trainval.txt'
roottest = VOCdevkit\VOCdevkit\VOC2012\ImageSets\Main\\test.txt'
file_names = os.listdir(rootann)
alls = []
for file_name in file_names:
    file_name = file_name[:-4]
    # print(file_name)
    alls.append(file_name)

with open(roottrainval) as f:
    trainvals = f.readlines()

trainandvals = []
for trainval in trainvals:
    trainandvals.append(trainval[:-1])
# print(trainandvals)

with open(roottest,'w') as f:
    for all in alls:
        if all not in trainandvals:
            f.write(all+'\n')
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
要使用YOLOv6训练VOC数据集,你需要按照以下步骤进行操作: 1. 首先,修改`voc_to_yolo.py`文件中的`classes`列表,将其改为你自己数据集的类别名,并设置训练和验证集的比例。建议将验证集比例设为80,即80%的数据用于训练。运行该脚本后,会在`VOCdevkit/VOC2007`目录下自动生成`images`和`labels`文件夹。\[1\] 2. 接下来,在命令行中运行以下命令:`type 2007_train.txt 2007_val.txt 2012_*.txt > train.txt`。这将生成几个`.txt`文件,其中包含图片的绝对路径。`2007_test.txt`文件用于测试,`train.txt`文件用于训练。\[2\] 3. 修改`darknet-master/build/darknet/x64/data/voc.data`文件。用文本编辑器打开该文件,并进行以下修改: - `classes`:设置为你数据集的类别数。 - `train`:设置为上一步生成的训练数据`.txt`文件的路径。 - `valid`:设置为上一步生成的测试数据`.txt`文件的路径。 - `names`:设置为`data/voc.names`文件的路径,该文件包含了类别名。 - `backup`:设置为训练模型保存的路径,如果该文件夹不存在,需要先创建。\[2\] 4. 下载VOC数据集的压缩包,并将其解压到`darknet-master/build/darknet/x64/data/voc`目录下。你需要下载以下三个压缩包并解压: - `VOCtrainval_11-May-2012.tar` - `VOCtrainval_06-Nov-2007.tar` - `VOCtest_06-Nov-2007.tar`\[3\] 完成以上步骤后,你就可以使用YOLOv6来训练VOC数据集了。记得根据你的具体环境和需求进行相应的配置和调整。 #### 引用[.reference_title] - *1* [YOLOV6如何训练自己的数据集](https://blog.csdn.net/qq_45194640/article/details/125956996)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [YOLOV3训练VOC数据集](https://blog.csdn.net/sunqiande88/article/details/101548979)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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