yolov5自己的数据集制作

最新推荐文章于 2024-04-04 13:51:45 发布
最新推荐文章于 2024-04-04 13:51:45 发布
阅读量391 收藏 5
点赞数
分类专栏： yolo 文章标签： YOLO
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_72050316/article/details/133977221
版权

文章目录


文章参考博主：风吹落叶花飘荡

一、制作数据集

1、创建文件夹结构如下

在这里插入图片描述

2、将之前的图片以及标注数据放入mydata文件夹

test与train集合一般比例为2：8或3：7
训练的放在train,检测效果的放在test
下面labels的也是这样
注意：images和labels下的图片与标签要一一对应，所以图片标注前最好先重命名为1，2，3…
test的图片对应test的标签
train的图片对应train的标签

3、新建一个mydata.yaml文件

在这里插入图片描述

二、基于数据集训练模型

1、基于数据集训练模型

在这里插入图片描述

2、开始根据制作好的数据集训练模型

在这里插入图片描述

3、模型训练结束

在这里插入图片描述
注：由上图可以看到这次训练的模型保存在runs/train/expxxx

三、部署模型

在这里插入图片描述
在detect.py中调用模型
在这里插入图片描述
检测正常运行结果如下
在这里插入图片描述

vsropy
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
运行YOLOv5带图解小白入门 --【数据集制作篇】
xiao_baicaii的博客
08-03 1055
YOLOv5从数据集制作到训练、推理 一站式教学。
YOLOV5---自己数据集制作
weixin_45892228的博客
11-15 1546
在网上找了一大圈YOLOV5数据集的制作，都没有合适的，不是流程太复杂就是给出的代码有问题。所以我在这里记录一下YOLOV5数据集简单的制作过程。然后依次运行split_train_val.py和voc_label.py就行。：唯一2处需要改的就是voc_label.py我写了注释的地方。Annotations内容。
【YOLOV5 入门】——构建自己的数据集&模型训练&模型检验
weixin_51658186的博客
04-04 1386
用YOLOv5检测自己喜欢的动漫是什么体验！？
使用Yolov5训练自己制作的数据集，快速上手（详细图文教程）
qq_40280673的博客
06-08 1万+
总结了快速上手Yolov5训练自己制作的数据集的方法，教程步骤很详细，学者耐心看。
yolov5项目——数据集制作+准备
qq_54693187的博客
02-25 1698
yolov5项目——数据集制作和准备
深度学习(四) --- 基于yolov5进行数据集制作，模型训练及推理
weixin_51157015的博客
04-12 4677
基于yolov5进行数据集制作和模型训练
【深度学习】YOLOv5实例分割 数据集制作、模型训练以及TensorRT部署
qq_40198848的博客
11-19 1万+
yolov5 seg
YOLOv5制作数据集与训练数据集为检测模型教程
03-15
YOLOv5 教你如何通过labelimg进行对数据集进行标注以及分文件，然后教你如何配置训练的文件以及参数，最终训练数据集为检测模型教程！
YOLOv8实例分割制作自己的数据集代码
最新发布
05-20
对数据集进行转换和划分。该文件包含两个代码文件，分别为json2txt.py和split.py。 使用方法： 1.下载labelme，对数据进行标注。 2.对数据集进行转换和划分。注意：在数据标注的时候将图片和json文件放在不同的...
yolo5手势识别数据集+模型-.zip
07-13
标注的1300张数据集，以及训练好的模型，制作不易，欢迎下载
基于YOLOv5 ROS部署版实现行人和红绿灯识别（源码+权重+说明文档）.rar
04-15
1、资源内容：基于yolov5 ROS部署版实现coco数据集行人识别、红绿灯和玩具红绿灯pt模型（完整源码+说明文档+报告+数据）.rar 2、代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3、适用对象：...
Yolov3随机手写数字数据集
10-15
Yolov3随机手写数字数据集 包含4000张可以直接使用的数据集 以及制作好的原始待检测视频+自己训练好的模型的检测视频
制作深度学习目标检测数据集、数据集格式的转化及训练集和验证集的划分（基于Yolov5的目标检测项目）
qq_74548571的博客
08-13 1746
Anaconda、pycharm、PyTorch等环境的配置此篇不做讲解，可参考其他博主的文章进行环境搭建。特别提醒：搭建环境时注意版本问题。
yolo v5从制作数据集到训练模型
weixin_43777760的博客
06-08 314
采用精灵标注制作数据集，输出格式为voc。
YOLOV5：数据集制作【照着做你也能训练自己的神经网络】
zhaohaobingniu的博客
09-20 7826
YOLOV5：数据集制作 总体流程： labellmg标记（.xml）-> split.py （生成四个集的txt）-> txt2yolo.py -> 各个图像的txt -> 按照标准规范文件夹 -> 制作yaml文件 第一步：使用labellmg进行标记 第二步：用split.py在新文件中生成四个txt，同时在四个txt中分配好了哪些图片是训练集哪些是验证集 split.py文件配置 --xml C:\Users\zhaohaobing\PycharmProjec
如何用yolov5训练自己的数据集（走过路过不要错过！）
m0_74736756的博客
10-30 3160
输入指令：pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple。这里我使用了虚拟环境，如果你也想创建，可以参考我的另一篇博客。将要标注的图片放进去，这里我已经放入了六张熊猫的图片。输入指令：pip install labelimg。然后点击Open选择自己保存的图片就可以开始标注了。这是我使用的国外大佬搭建的。输入指令：labelimg。设置标注后的图片的保存位置。设置标注图片打开位置。
YOLO5自制数据集(附源码工具)
weixin_42745647的博客
06-14 120
YOLO5自制数据集（附源码+打标签工具）
YOLOv5训练自己数据集（详细易懂版）
m0_60985598的博客
06-05 1万+
YOLOv5作为图像检测界的一哥，检测效果毋庸置疑，本篇文章就带你一起手把手教学YOLOv5实现。
YOLOv5训练自己的数据集详解
热门推荐
tt丫的博客
02-11 4万+
入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。 一、YOLOv5源码下载 网址指路：GitHub - ultralytics/yolov5: YOLOv5 ???? in PyTorch > ONNX > CoreML > TFLite 用git克隆下来 二、环境配置 文件夹中有一个文件requirements.txt，这里是环境依赖的说明 我们在终端输入pip install -r requirements.txt下载
yolov5分割数据集制作
07-27
要制作yolov5分割数据集，可以按照以下步骤进行操作： 1. 准备图像数据集：收集包含目标物体的图像，并将它们存储在一个文件夹中。 2. 创建标注文件：使用图像标注工具，如LabelImg或RectLabel，对每个图像进行标注。标注的方式可以是矩形框或像素级的分割标注。将标注结果保存为相应的标注文件，如XML或JSON格式。 3. 将标注文件转换为YOLOv5格式：使用脚本或工具将标注文件转换为YOLOv5所需的格式。通常，这涉及将每个目标的边界框坐标转换为相对于图像宽度和高度的归一化坐标，并将类别标签映射为整数。 4. 划分数据集：将整个数据集划分为训练集和验证集。通常，80%的数据用于训练，20%的数据用于验证。 5. 创建数据集配置文件：创建一个数据集配置文件，指定训练集和验证集的图像路径、类别标签等信息。 6. 开始训练：使用yolov5的训练脚本，指定数据集配置文件和预训练模型的路径，开始训练新的数据集。例如，可以使用以下命令进行训练：python train.py --data dataset.yaml --weights yolov5s.pt。 通过以上步骤，您可以制作yolov5分割数据集并进行训练。请注意，具体的实现细节可能会因您使用的工具和数据格式而有所不同。建议参考yolov5的官方文档和示例代码以获取更详细的指导。\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* [一文实现yolov5实例分割（数据标注、标签转换、模型训练、模型推理）](https://blog.csdn.net/qq_41204464/article/details/130112663)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [【深度学习】YOLOv5实例分割 数据集制作、模型训练以及TensorRT部署](https://blog.csdn.net/qq_40198848/article/details/127937648)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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

打赏作者

vsropy

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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