yolov5钢材缺陷检测

最新推荐文章于 2024-09-16 13:46:43 发布

熙攘人潮当看不见

最新推荐文章于 2024-09-16 13:46:43 发布

阅读量392

点赞数 3

分类专栏： yolo系列文章标签：人工智能深度学习机器学习

本文链接：https://blog.csdn.net/qq_52382661/article/details/138622515

版权

yolo系列专栏收录该内容

6 篇文章 0 订阅

订阅专栏

v5和v4差不多，v5更加完善，兼容性更好，一直在维护yolov5下载下来是这样的文件夹

1.修改data

下载数据集是

数据集弄成这样的格式

重要的就是下面三个

train：训练集图片和标注信息

valid：验证集图片和标注信息。每训练一段就会验证一下

data.yaml：配置文件

训练集和验证集的路径

类别个数和分别是什么

我们用yolov5来进行检测，yolov5的标注信息要求是txt格式，而下载下来的数据集标注信息是xml格式。

需要脚本把 xml 转为 txt格式

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
import glob


classes = ["crazing", "inclusion", "patches", "pitted_surface", "rolled-in_scale", "scratches"]

def convert(size, box):
    dw = 1./size[0]
    dh = 1./size[1]
    x = (box[0] + box[1])/2.0
    y = (box[2] + box[3])/2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x*dw
    w = w*dw
    y = y*dh
    h = h*dh
    return (x,y,w,h)

def convert_annotation(image_name):
    in_file = open('./ANNOTATIONS/'+image_name[:-3]+'xml')
    out_file = open('./LABELS/'+image_name[:-3]+'txt','w')
    tree=ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        cls = obj.find('name').text
        if cls not in classes:
            print(cls)
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))
        bb = convert((w,h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')

wd = getcwd()

if __name__ == '__main__':
    for image_path in glob.glob("./IMAGES/*.jpg"):
        image_name = image_path.split('\\')[-1]
        #print(image_path)
        convert_annotation(image_name)