yolo数据增强，同时旋转txt标签文件

已于 2023-10-20 09:22:34 修改
阅读量1.1w 收藏 11
点赞数 5
文章标签： YOLO python
于 2023-10-19 16:47:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44223883/article/details/133923928
版权

github

https://github.com/vkdx/vkdx_cnn-.git

YOLO格式txt文件分析

标注好的txt文件中有对应每个标注框的信息,从左到有分别是：
class:类别
x_center：标注框中心相对于图像的x坐标
y_center：标注框中心相对于图像的y坐标
w：标注框相对于图像的宽度
h：标注框相对于图像的高度
这些有关于标注框的信息都是相对与图像的，如果要得到标注框的具体信息，需要进行还原，还原方法如下：
x_center_pix = x_centerimgW + 1
y_center_pix = y_centerimgH + 1
w_pix = w * imgW
h_pix = h * imgh

标注框旋转实现流程

如下图所示为原始图像示意图，x_center和y_center为标注框的中心像素坐标，w和h为标注框的宽高
在这里插入图片描述
图像旋转了90度之后示意图如下
n_imgW = imgH (新的图像宽度)
n_imgH = imgW (新的图像高度)
n_x_center = n_imgW - y_center (新的标注框中心x坐标)
n_y_center = x_center (新的标注框中心y坐标)
n_w = h (新的标注框宽度)
n_h = w (新的标注框高度)
旋转90度图像
图像旋转了180度之后示意图如下
n_imgW = imgW (新的图像宽度)
n_imgH = imgH (新的图像高度)
n_x_center = n_imgW - x_center (新的标注框中心x坐标)
n_y_center = n_imgH - y_center (新的标注框中心y坐标)
n_w = w (新的标注框宽度)
n_h = h (新的标注框高度)
在这里插入图片描述
图像旋转了270度之后示意图如下
n_imgW = imgH (新的图像宽度)
n_imgH = imgW (新的图像高度)
n_x_center = y_center (新的标注框中心x坐标)
n_y_center = n_imgH - x_center (新的标注框中心y坐标)
n_w = h (新的标注框宽度)
n_h = w (新的标注框高度)
在这里插入图片描述

Cherishalfy
关注
  • 5
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
YOLO数据集实现数据增强的方法（裁剪、平移 、旋转、改变亮度、加噪声等）
路人贾的博客
07-16 2万+
数据集样本太少怎么办？数据集优质图像不够怎么办？如何做到更好的数据预处理？一文带你学会数据增强，还可实现带标签的扩充。
yolo数据集的数据增强 可实现带标签扩增
05-08
Support data enhancement when there are few data sets（支持数据集较少的情况进行数据增强，包含随机的多种变化） 这是数据集扩增的一个小工具，在您想使用yolo等目标检测算法时数据集较少的情况下能够进行变化增强图片，丰富您的数据集。 (支持LabelIMg和LabelMe标注的文件) 包括3个python文件 rename_file.py能实现文件的重命名,注意修改文件的路径 DataAugmentforLabelImg.py能实现LabelImg标注后的图片的增强（包括模糊，亮度，裁剪，旋转，平移，镜像等变化） DataAugmentforLabelMe.py能实现LabelMe标注后的图片的增强（包括模糊、亮度、平移、镜像等变化） 注意：一些包的安装是必要的，比如Opencv_python等 ##将您需要增强的图片放在对应的文件夹即可，具体可参考demo给出的图片和xml文件存放路径，您放入即可
yolo离线数据增强代码
12-13
1. 像素级：HSV增强、旋转、平移、缩放、剪切、透视、翻转等 2. 图片级：MixUp、Cutout、CutMix、Mosaic、Copy-Paste等 3. 基本图片处理方法：将图像的最长边缩放到640，短边填充到640等方法。 可供使用者完成开发，调试，进行图片处理等操作。
改进YOLO系列：数据增强扩充(有增强图像和标注)，包含copypaste、翻转、cutout等八种增强方式
qq_44224801的博客
04-08 4249
本文章实现了常见的数据增强方法包括翻转、cutout、加噪声、亮度、平移、旋转、裁剪等。每种方法都有其独特的作用和意义，如翻转可以使模型适应不同的物体姿态和朝向，而裁剪可以使模型适应不同的物体尺度和大小。此外，还有一些特殊的数据增强方法，如Copy-paste 数据增强，它可以生成大量的高质量、真实的训练样本，但需要额外的背景数据集，并需要注意样本的选择和管理。
【数据增强】任意角度旋转（图片+标签）
qq_38253797的博客
02-19 4522
这里写目录标题一、效果图二、代码 一、效果图 二、代码 import cv2 import math import numpy as np import os import glob import json import shutil import xml.etree.ElementTree as ET from xml.etree.ElementTree import ElementTree, Element def getRotatedImg(Pi_angle,img_path,img_write_
yolo 数据增强(旋转和拉伸），并保存图像和label
qq_45149610的博客
04-18 854
yolo 数据增强(旋转和拉伸），并计算更新后的label信息。
YOLO数据集增强、扩充
weixin_44446340的博客
10-31 1845
yolo数据集增强、已标注数据集增强、.txt格式的数据集增强
yolo数据增强
网络架构
08-13 493
标注文件和图片都放在一个文件夹里面。
YOLO格式 转为 旋转数据标注rolabelimg/labelimg2的VOC格式（集成主成分提取角度）
weixin_41467446的博客
02-12 1952
传统VOC格式数据集位置信息（xmin, ymin, xmax, ymax）转rolabelimg/labelimg2可识别的旋转举矩形数据集（cx, cy, w, h, angle）。角度信息使用基于主成分提取的方向（OpenCV），然后生成rolabelimg/labelimg2能够识别的旋转矩形XML格式的VOC数据集。
YOLO带标签的数据增强，txt转xml，xml转txt
cyh20182808的博客
10-30 970
已经由txt格式下标好的图片和labels，需要进行数据增强。
YOLO格式数据增强+Python代码+对图像和标注同时处理
06-22
本项目的功能是对YOLO格式的数据实现数据增强，使用本项目代码可以较快的完成扩充数据集快速扩充的工作，会对图像和标注同时处理。但其也存在一定的问题，例如无法保证处理后的数据一定能跑出更好的效果，处理结束后可能会出现一些损坏的图片（原图过大时）。 但本项目处理后出现的坏图，在YOLOv5中会被识别出来并不做训练，其实对训练影响不大，追求完美的同学可以考虑不使用resize系列的函数，手动剔除坏图，使用其他数据增强项目完成工作等。 使用 1. download本项目到本地(建议下载到有图形界面的操作系统中) 2. 打开DataAugOnDetectin.py 修改 image_path， label_path， save_path 三个参数 ``` image_path = "" # 图片的路径 label_path = "" # 标签文件的路径 save_path = "" # 数据增强的结果保存位置路径 ``` 3. 运行，使用pycharm或spyder等软件运行DataAugOnDetectin.py
鞋子分类训练数据集 yolo txt格式标注文件
06-07
鞋子分类训练数据集 yolo txt格式标注文件 4480张图片 适合鞋子类识别训练
口罩训练数据集 yolo txt格式标注文件
06-07
口罩分类训练数据集 yolo txt格式标注文件 750张标注图片
适用于Yolo训练和测试的coco数据集标签文件 train2017.txt和val2017.txt
05-06
适用于Yolo训练和测试的coco数据集标签文件 train2017.txt和val2017.txt和train2017.zip和val2017.zip yolov7 yolov5 yolov8
【深度学习】YOLOv5，金属表面的缺陷检测，GC10-DET数据集
q742971636的博客
04-26 394
数据集的lable文件夹下是每个图片的框和类别标记，是xml格式。
【YOLO改进】换遍IoU损失函数之DIoU Loss（基于MMYOLO）
最新发布
Vlone_pp的博客
04-30 371
在针对YOLO的改进中，通过替换损失函数常常可以达到“无痛提点”的效果，本文将基于MMYOLO框架介绍如何用DIoU损失函数替换YOLO中常用的CIoU损失函数。
YOLOv8改进项目汇总-超全改进-ultralyticsPro介绍:订阅了《芒果YOLOv8原创改进专栏》的读者免费赠送，包括很多稀有改进
包括YOLOv5、YOLOv7、YOLOv8等模型改进
04-23 1371
订阅了《芒果YOLOv8原创改进专栏》的读者 免费赠送该项目！！！包括很多稀有改进
YOLOv8+PyQt5野外火焰检测系统（可以从图像、视频和摄像头三种路径检测）
qq_40840797的博客
04-27 185
2.资源包含可视化的野外火焰检测系统，可用于火灾预警或火灾救援，该系统可自动检测和识别图片或视频当中出现的火焰，以及自动开启摄像头，进行火焰检测。基于最新的YOLO-v8训练的火焰检测模型和完整的python代码以及火焰检测的训练数据，下载后即可运行。
YOLOV1学习笔记
m1751250104的博客
04-24 734
在计算机视觉以及数字图像处理中方向梯度直方图是一种能对物体进行检测的基于形状边缘特征的描述算子（用于量化图像局部特征的算法工具，它将图像中的关键点，例如角点、边缘点或尺度不变特征点，周围的像素信息转化为固定长度的数值向量，这些向量可以代表关键点的局部纹理、形状和光照不变性等特征。描述算子的主要目的是为了能够在不同的条件下，比如图像旋转、缩放、亮度变化等，仍然能够可靠地匹配同一物体或场景的不同视图中的相同或相似特征点。
yolo数据集xml转txt
10-17
您可以使用以下代码将YOLO数据集的XML文件转换为TXT文件： ```python import os import glob import xml.etree.ElementTree as ET classes = ['class1', 'class2', 'class3'] # 标注的类别 def convert_annotation(xml_file): tree = ET.parse(xml_file) root = tree.getroot() txt_file = os.path.splitext(xml_file)[0] + '.txt' with open(txt_file, 'w') as f: for obj in root.iter('object'): cls = obj.find('name').text if cls not in classes: continue cls_id = classes.index(cls) xmlbox = obj.find('bndbox') b = (int(xmlbox.find('xmin').text), int(xmlbox.find('ymin').text), int(xmlbox.find('xmax').text), int(xmlbox.find('ymax').text)) bb = convert((w,h), b) f.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n') def convert(size, box): dw = 1./size[0] dh = 1./size[1] x = (box[0] + box[2])/2.0 y = (box[1] + box[3])/2.0 w = box[2] - box[0] h = box[3] - box[1] x = x*dw w = w*dw y = y*dh h = h*dh return (x,y,w,h) if __name__ == '__main__': xml_files = glob.glob('path/to/xml/files/*.xml') for xml_file in xml_files: convert_annotation(xml_file) ``` 其中，`classes`是标注的类别，`convert_annotation`函数将一个XML文件转换为一个TXT文件，`convert`函数将一个边界框的坐标转换为YOLO格式。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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