YOLOv2训练自己的数据集（识别海参）

最新推荐文章于 2024-08-14 11:06:59 发布

xiao__run

最新推荐文章于 2024-08-14 11:06:59 发布

阅读量1.4w

点赞数 10

分类专栏： python-opencv 图像处理文章标签：数据

本文链接：https://blog.csdn.net/xiao__run/article/details/78714659

版权

图像处理同时被 2 个专栏收录

65 篇文章 500 订阅 ¥9.90 ¥99.00

订阅专栏

python-opencv

57 篇文章 532 订阅 ¥19.90 ¥99.00

订阅专栏

本文介绍了使用YOLOv2训练自己的海参检测数据集的过程，包括数据集准备、图像标注、XML转TXT、训练配置及模型训练。最终模型在阈值0.25下，Recall达到95.54%，Precision为97.27%。

摘要由CSDN通过智能技术生成

检测或者训练有问题的可发邮件咨询小编，小编尽力解答1039463596@qq.com
好吧，正式开始跑程序（其实官网都有）
这篇文章是训练YOLO v2过程中的经验总结，我使用YOLO v2训练一组自己的数据，训练后的model，在阈值为.25的情况下，Recall值是95.54%，Precision 是97.27%。
需要注意的是，这一训练过程可能只对我自己的训练集有效，因为我是根据我这一训练集的特征来对YOLO代码进行修改，可能对你的数据集并不适用，所以仅供参考。
我的数据集
批量改名首先准备好自己的数据集，最好固定格式，此处以VOC为例，采用jpg格式的图像，在名字上最好使用像VOC一样类似000001.jpg、000002.jpg这样。可参照下面示例python代码

# -*- coding:utf8 -*-
#!/usr/bin/python2.7
import os

class BatchRename():
    '''
    批量重命名文件夹中的图片文件

    '''
    def __init__(self):
        self.path = '/home/xiaorun/label/haishen/'

    def rename(self):

了解本专栏