darknet-yolo训练自己的数据

本文介绍了一种在使用YOLOv3进行目标检测训练时,如何处理未标注图像的方法。作者在运行my_lables.py脚本时遇到错误,原因是部分图像未进行标注。为解决此问题,作者修改了代码,使其能够跳过未标注的图像,避免了运行时的错误。文章详细展示了修改后的代码,并讨论了这种方法可能带来的后续影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

https://www.cnblogs.com/answerThe/p/11481564.html

上面这篇文章已经写的非常详细了。有一点在我的实际情况中有点不一样,就是我的图片有些是没有标注内容的,在运行my_lables.py的时候会报错,我是这样修改的,直接跳过没有标注过的图片,不知道后面会不会出现问题,在这里先记录一下,代码如下:

def convert_annotation(year, image_id):
    in_file = open('myData/Annotations/%s.xml' % (image_id))  # VOCdevkit/VOC%s/Annotations/%s.xml
    out_file = open('myData/labels/%s.txt' % (image_id), 'w')  # VOCdevkit/VOC%s/labels/%s.txt
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    # print(type(size))
    if size is None: # 修改内容,如果图片上没有标记内容,size.find会报错
        print(image_id)
        return
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')

暂时记录到这里,在下载权重,看看这样跳过训练时会不会发生什么问题。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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