UA-DETRAC数据集重新划分，提升检测精度（yolo格式）

杨总年入百万

已于 2025-02-10 11:06:51 修改

阅读量549

点赞数 5

文章标签： YOLO 深度学习人工智能

于 2025-02-10 10:11:04 首次发布

本文链接：https://blog.csdn.net/yangjiehhh520/article/details/145543498

版权

因为在UA-DETRAC数据集中，训练集和测试集是不同路口处的相机拍摄得到的结果，训练集和测试集间的差别比较大，单纯使用训练集训练后用测试集进行测试，效果不会太好，亲测用yolov5训练map只能到50左右。

总之效果不是太好，不清楚论文中大佬map可以到90多怎么来的，所以自己重新清洗了数据，把train和test混在一起，然后重新分配8：2比例，原数据集文件格式如下：

链接：https://pan.baidu.com/s/1H5vsla6vD4yJpGGJD3ECEA
提取码：fz4r

重新混合数据集的代码如下：

import os
import shutil
import random
from sklearn.model_selection import train_test_split

# 定义数据集路径
data_path = r'D:\BaiduNetdiskDownload\UA-DETRAC_yolo'
train_images_path = os.path.join(data_path, r'D:\BaiduNetdiskDownload\UA-DETRAC_yolo\UA-DETRAC_train', 'images')
train_labels_path = os