YOLOX的数据集准备与训练

最新推荐文章于 2024-08-27 12:28:12 发布

丑大王

最新推荐文章于 2024-08-27 12:28:12 发布

阅读量660

点赞数 5

分类专栏：计算机视觉文章标签：人工智能 YOLO

本文链接：https://blog.csdn.net/w1015601709/article/details/137665217

版权

本文详细介绍了如何准备YOLOX的VOC数据集，包括数据集的下载和解压，训练集和测试集的划分。同时，讲解了如何修改YOLOX的配置文件，以适应自定义数据集的训练。训练过程包括命令的执行、训练过程的可视化以及训练结果的位置。此外，还涵盖了测试网络模型、训练YOLOX-Nano模型以及如何在模型中支持中文标签的步骤。

摘要由CSDN通过智能技术生成

1 准备数据集

1.1 准备VOCdevkit_bm.zip (下载到YOLOX/datasets目录下并解压)

VOCdevkit使用PASCAL VOC数据集的目录结构；

文件夹层次为：“VOCdevkit \ VOC2007”（注意：YOLOX为YOLOX的根目录，与文件夹路径：YOLOX\yolox区分开）；

VOC2007下面建立三个文件夹：Annotations，JPEGImages和ImageSets/Main（JPEGImages放所有的训练集图片；Annotations放所有的xml标记文件；mageSets/Main下存放训练集、验证集、测试集划分文件（目前为空））

1.2 准备testfiles.zip (下载到YOLOX目录下并解压)

这是用于存放测试图片和视频的文件夹，有少量的JPG图片和MP4视频

1.3 split_voc.py (下载到YOLOX目录下)

这是用于划分训练集和测试集的python脚本，执行后在

“YOLOX\datasets\VOCdevkit\VOC2007\ImageSets\Main”目录中生成四个TXT文件

train.txt给出了训练集图片文件的列表（不含文件名后缀）

val.txt给出了验证集图片文件的列表

test.txt给出了测试集图片文件的列表

trainval.txt 给出了训练集和验证集图片文件的列表

# split_voc.py
# 数据集划分
import os
import random
 
root_dir='./datasets/VOCdevkit/VOC2007/'
 
## 0.7train 0.1val 0.2test
trainval_percent = 0.8 #0.8为训练集和验证集的总占比，(1-trainval_percent )为测试集比例
train_percent = 0.7 #0.7为 训练集/验证集 的比例
xmlfilepath = root_dir+'Annotations'