2021-09-26

数据集处理03

跨域用来划分验证集，训练集，测试集；
如果需要更多文件分类，只需在 for循环中进行添加，从而制作自己想要读取的数据集结构。以下是代码的示例。（随便划分和命名的，有需要自己更改即可）
这套代码主要针对于voc数据集的划分，更换自己的数据集进行训练。

import os
import random

trainval_percent = 0.1
train_percent = 1
imgfilepath = 'G:/research/AdvSemiSeg-master/dataset/DUT-USEG/JPEGImages'
# 这是voc 数据集中真实图像所在文件夹，依据此进行划分
# txtsavepath = 'G:/research/AdvSemiSeg-master/dataset/DUT-USEG'
total_img = os.listdir(imgfilepath)

num = len(total_img)
list = range(num)  # 读取文件夹中所有文件数量，并以列表形式记录

# 依据比例percent进行划分
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

ftrainval = open('G:/research/AdvSemiSeg-master/dataset/DUT-USEG/trainval.txt', 'w')  
ftest = open('G:/research/AdvSemiSeg-master/dataset/DUT-USEG/test.txt', 'w')
ftrain = open('G:/research/AdvSemiSeg-master/dataset/DUT-USEG/train_aug.txt', 'w')
fval = open('G:/research/AdvSemiSeg-master/dataset/DUT-USEG/val.txt', 'w')

for i in list:  # 遍历列表
    name = total_img[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftest.write(name)
        else:
            fval.write(name)
    else:
        ftrain.write(name)

ftrainval.close()  # 保存
ftrain.close()
fval.close()
ftest.close()