YOLO新增数据集类别，不需重新标注数据集

tank_6789

已于 2023-02-23 21:34:29 修改

阅读量3.9k

点赞数 6

文章标签： YOLO

于 2023-02-23 12:00:01 首次发布

本文链接：https://blog.csdn.net/tank_6789/article/details/129178509

版权

通过使用已有模型（如YOLOv5）的权重对数据集进行检测，生成TXT文件。然后，筛选出所需的新类别（如类别2），将其内容合并到原始数据集的标注文件中，并修改类别名称以匹配数据集的新分类。此过程避免了重新全面标注数据集的需要。

摘要由CSDN通过智能技术生成

问题：自己的数据集已有类别0,1。想新增类别2，类别2在自己数据集中存在，不想重新全部标注一遍。

解决：用其他模型权重对自己数据集detect并保存txt文件→修改类别名称并合并txt

1. 用已有模型（可以检测出类别2）的权重文件来对自己数据集detect并保存txt文件到路径A

python detect.py --save-txt --source 自己数据集的文件目录 --weights ./weights/yolov5x.pt

自己数据集的文件目录：
E:\Desktop\detection project\datasets\VOC2000\labels\val
weights：yolov5x.pt，YOLO中预训练的模型里面有我需要的person类。

2. 更改类别名称，并合并txt文件。

改类别名称：比如detect之后的我们需要的类别2，在其他模型中是类别0，需要将0→2

合并txt：将类别2的txt内容合并到自己数据集的txt文件中，只要类别2的。

要注意其他模型检测出来的类别不止你想要的类别2一种还有其他不需要的类别，就需要筛选掉。在尝试很多代码之后，终于找到最纯粹的，其他的要么没改类别名，要么就合并了其他的类别，总是不够完美！！！

首先：提取detect出来的很多类别中你需要的类别2到一个新的文件夹：

import os

YOLOV5_LABEL_ROOT = f'E:\\Desktop\\detection project\\datasets\\VOC2000\\labels\\labels\\'  # yolov5 导出的推理图片的 txt
DATASET_LABEL_ROOT = f'E:\\Desktop\\detection project\\datasets\\VOC2000\\labels\\val-only\\'  # 存放数据集的路径，新的空白文件夹

if __name__ == '__main__':<