在COCO数据集中制作Darknet的训练集

本文介绍如何基于COCO数据集制作Darknet训练集,涉及数据下载、注释解析、图像处理和训练集配置。通过Python脚本提取COCO注释中的bounding box信息,创建JPEGImages文件夹并生成Yolo所需的训练、验证和测试图像索引文件。最后整合路径,配置coco.data和coco.names文件,进行训练。
摘要由CSDN通过智能技术生成

本篇博客主要以MS COCO作为数据集,制作出Darknet的训练集

COCO数据集是一个CV数据库,里面包含了包括object detection, keypoints estimation, semantic segmentation,image caption等多个任务所需要的数据库

下载MS COCO 2017年版本的数据集, 一共25G左右的图片和1.5G左右的annotation文件,annotation文件的格式为json格式,存储了所有图片中的目标类别(总共80类),目标bounding box的精确坐标以及目标的分割轮廓信息等。

可以到官方网站下载:http://cocodataset.org/ 但是链接似乎不太管用

给出迅雷下载地址:

图片(images):

http://images.cocodataset.org/zips/train2017.zip

http://images.cocodataset.org/zips/test2017.zip

http://images.cocodataset.org/zips/val2017.zip

注释(annotations):

http://images.cocodataset.org/annotations/

评论 18
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