yolov3目标检测android,人工智能yolov3目标检测模型数据的train_valid_label_list生成脚本...

提醒:本贴内容仅供有人工智能框架学习基础的同学看,,不然还是别了

百度的飞浆PaddleDetection框架

需要使用yolov3模型和voc类型的数据时,老是要搞这几个文档,,及其麻烦(如果不懂请自己去百度学习一下)

能懂的自然能懂,我遇到需要生成这几个txt时搜了很久发现都挺麻烦,都是要模仿这个文件夹模式..

然后还要拷贝来拷贝去的.浪费精力

QQ截图20210205122807.png (4.35 KB, 下载次数: 1)

2021-2-5 12:28 上传

突然发现,,为啥不自己写呢..哈哈煞笔了 所以分享一下,原理极其简单,就不多说了,可以直接生成,这样就不用去模仿那个什么voccdeckitxxxx的目录了

直接用PaddleDetection例子上的文件夹排列就行了

如果不懂的话赶紧去百度一下吧,学起来,虽然不懂里面的算法

公式也几乎都看不懂,但是会调用就行,改改参数,就是一条好汉了!

给大家看看我自己随便搞的效果,因为搞数据太累了

所以没好好训练,只能识别个巴子英雄,这是个体力活

QQ图片20210205123547.jpg (224.08 KB, 下载次数: 1)

2021-2-5 12:36 上传

QQ图片20210205123550.png (918.73 KB, 下载次数: 1)

2021-2-5 12:36 上传

使用步骤:

1.把我的这个脚本自己新建一个py随便命名,把代码粘上

2.将py文件放入annotations同一级的目录就可以,自己点运行,就会自动生成框架所需要的3个txt

QQ图片20210205122714.png (14.35 KB, 下载次数: 1)

2021-2-5 12:27 上传

yolov数据train_valid_label_list生成.py

[Python] 纯文本查看 复制代码import os

from lxml import etree

# 请把本文件放和annotations同级的目录

file_train = open('./train.txt', 'w')

file_valid = open('./valid.txt', 'w')

file_label = open('./label_list.txt', 'w')

xml_path = './Annotations'

scale = [1,7] #训练集和测试集比例 别乱填 这里的意思是有 1/7是测试集,一般改后面的数字就行

xml_list=os.listdir(xml_path)

#算出训练集的数量

train_length=int(len(xml_list)-len(xml_list)/scale[1])

label_list=[]

print(train_length)

for i, xml_name in enumerate(xml_list):

path = xml_path + "/" + xml_name

xml = etree.parse(path)

root = xml.getroot()

img_path = './' + root.xpath('//folder')[0].text + '/' + root.xpath('//filename')[0].text

#

if i<=train_length:

file_train.write(img_path + ' ' + path + '\n')

else:

file_valid.write(img_path + ' ' + path + '\n')

# 将所有label信息保存到文档里,并且去掉重复

for name in root.xpath('//object/name'):

if name.text not in label_list:

label_list.append(name.text)

file_label.write(name.text + '\n')

file_train.close()

file_valid.close()

file_label.close()