目标检测-数据划分（YOLO格式）

1、总代码

import os, shutil
from sklearn.model_selection import train_test_split

#需修改，划分比例
val_size = 0.2
test_size = 0.1

#需修改，确保图片后缀一致
postfix = 'jpg'
#需修改，划分的图片路径
imgpath = r'F:\xuedi\New_img\images\resized_fods_2000_imgs_near'
#需修改，划分的标签路径
txtpath = r'F:\xuedi\New_img\images\resized_fods_2000_labels_near'

os.makedirs('images/train', exist_ok=True)
os.makedirs('images/val', exist_ok=True)
os.makedirs('images/test', exist_ok=True)
os.makedirs('labels/train', exist_ok=True)
os.makedirs('labels/val', exist_ok=True)
os.makedirs('labels/test', exist_ok=True)

listdir = [i for i in os.listdir(txtpath) if 'txt' in i]
train, test = train_test_split(listdir, test_size=test_size, shuffle=True, random_state=0)
train, val = train_test_split(train, test_size=val_size, shuffle=True, random_state=0)

for i in train:
    shutil.copy('{}/{}.{}'.format(imgpath, i[:-4], postfix), 'images/train/{}.{}'.format(i[:-4], postfix))
    shutil.copy('{}/{}'.format(txtpath, i), 'labels/train/{}'.format(i))

for i in val:
    shutil.copy('{}/{}.{}'.format(imgpath, i[:-4], postfix), 'images/val/{}.{}'.format(i[:-4], postfix))
    shutil.copy('{}/{}'.format(txtpath, i), 'labels/val/{}'.format(i))

for i in test:
    shutil.copy('{}/{}.{}'.format(imgpath, i[:-4], postfix), 'images/test/{}.{}'.format(i[:-4], postfix))
    shutil.copy('{}/{}'.format(txtpath, i), 'labels/test/{}'.format(i))

---

 2、需要修改部分讲解

仅修改四处即可完成对数据集的划分

（1）确定划分比例，根据自己的要求划分数据集，常见的划分比例为

        在第4行

        Train：Val：Test=7:2:1

        Train：Val：Test=8:1:1

#需修改，划分比例
val_size = 0.2
test_size = 0.1

（2）确定图片的后缀一致，根据自己的图片后缀进行替换

        在第8行

#需修改，确保图片后缀一致
postfix = 'jpg'

（3）图片路径和标签路径修改

        在第10行

#需修改，划分的图片路径
imgpath = r'F:\xuedi\New_img\images\resized_fods_2000_imgs_near'
#需修改，划分的标签路径
txtpath = r'F:\xuedi\New_img\images\resized_fods_2000_labels_near'

---

实验结果 

最后生成的文件在运行代码目录下的文件夹里，具体目录结构为：

split_data.py

————images

——————train

——————val

——————test

————labels

——————train

——————val

——————test

---

代码仅供自己学习