yolo数据集制作

一、制作目录结构

mydatas

----train

-------------images

-------------labels

----valid

-------------images

-------------labels

----mydata.yaml

二、打标签

在pycharm里打开终端下载labelimg

pip install labelimg

下载完成后输入

labelimg

打开labelimg开始打标签

点击view- auto save mode是自动保存

display labels是显示标签勾选这两项后开始正式打标签

open：打开一张图片

open dir：打开文件夹，打开刚才制作的文件目录下存放的图片

next images：下一张图片

prev images：上一张图片

save：保存

点击一下换成保存为yolo所需要的格式即txt文件

打开图片所在目录后，鼠标右键第一个是选框

随后输入框选的类别标签

打完标签后是这样的，classes.txt文件是标签的类别按照顺序生成的txt文件，可以把他放在mydatas目录下（后续要用到），不能放在图片labeling标记的txt文件一起，因为图片和txt文件需一一对应。

随后保存，按目录结构放好文件。

三、存放数据

train/images下存放待训练的图片

train/labels下存放的是待训练图片用labelimg标记过的txt文件

valid/images下存放的是待验证的图片

valid/labels下存放的是待验证图片用labelimg标记过的txt文件

注意：图片和labeling标记过的txt文件需一一对应

四、制作数据集

打开yaml文件，如图（.yaml才是数据集文件，其他的图片是数据集需引用）

train是刚才制作的文件夹下images的路径

val是刚才制作的文件夹下images的路径

nc：几个标签

name：是标签的名字，如图按顺序写0对应的是paper，1对应的是rock。是按照labelimg生成的classes.txt里面的类别顺序写。

至此数据集制作完成。