Nanodet project label: yolo2voc2coco

最新推荐文章于 2024-07-12 12:00:00 发布

EericDL

最新推荐文章于 2024-07-12 12:00:00 发布

阅读量328

点赞数

分类专栏： python pytorch深度学习文章标签： github

本文链接：https://blog.csdn.net/yyqq7226741/article/details/110426728

版权

pytorch深度学习同时被 2 个专栏收录

5 篇文章 0 订阅

订阅专栏

python

3 篇文章 0 订阅

订阅专栏

# yolo2voc2coco
labels: txt-->xml-->json

This project support to Nanodet project to make official labels.

1.Nanodet project address

https://github.com/RangiLyu/nanodet

2.making labels means

2.1 alfred tool address

https://github.com/jinfagang/alfred

2.2 download and install

git clone https://github.com/jinfagang/alfred

sudo pip3 install alfred-py #if using python3

sudo pip install alfred-py #otherwise

2.2.3 yolo-->voc-->coco

2.2.3.1 label: txt-->xml

alfred data yolo2voc --image_dir /Path to yours/coco/images/val2017 --text_dir /Path to yours/coco/labels/val2017 --class_file /Path to yours/classes.txt

See the classes.txt file for details, particular attention as below:

such as 'traffic light' category, not same as 'traffic_light' category in nanodet/config/nanodet-m.yml

2.2.3.2 label: xml-->json

python3 alfred/modules/data/voc2coco.py /Path to yours/valxml /Path to yours/val2017.json

alfred data voc2coco --xml_dir /Path to yours/valxml/ --index_1 0 #default annotations_coco.json

valxml: the folder to store xml format of voc label file

val2017.json: the json format of coco label file

my github: https://github.com/eeric/yolo2voc2coco

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

EericDL

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

20、NanoDet训练、测试以及使用ncnn部署Jetson Nano 进行目标检测和串口数据转发

sxj731533730

02-25

6620

基本思想：最近想尝试一下nano 上部署nanodet，于是记录一下训练过程，手中有一份labelme标注的数据集，于是开始了一波操作~ 首先将图片和json数据集转成xml (https://blog.csdn.net/sxj731533730/article/details/90046780)，然后将xml数据集转成voc； import sys import os import json import xml.etree.ElementTree as ET from PIL import Im

nanodet 训练细节解读

蓝羽飞鸟的博客

01-12

762

nanodet 训练细节

参与评论您还未登录，请先登录后发表或查看评论

nanodet训练voc数据集

人工智能

02-17

2469

class_names: &class_names ['aeroplane','bicycle','bird','boat','bottle','bus','car','cat','chair','cow','diningtable', 'dog','horse','motorbike','person','pottedplant','sheep','sofa','train','tvmonitor'] num_classes: 20

Nanodet训练自己的轻量级目标检测模型实践

ssunshining的博客

04-06

4873

官方地址:https://github.com/RangiLyu/nanodet 一准备训练的数据: 数据文件目录为如下,分别存放训练集和验证集的图片和xml文件(注意图片和标签一一对应) 二、建立自己yaml文件在config文件夹下建立自己的yaml文件,VOC格式标签参照官方的 https://github.com/RangiLyu/nanodet/blob/main/config/nanodet_custom_xml_dataset.yml 文件进行修改: 注意修改的地方有以下

voc数据集划分训练集与测试集（nanodet训练用）

qq_29283575的博客

05-12

705

voc数据集划分训练集与测试集（nanodet训练用）

热门推荐

文火冰糖（王文兵）的博客

01-03

1万+

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122150460 目录前言：步骤1：下载对应版本的YOLO开源代码 1.1 github链接 1.2 下载 1.3 拷贝到Pycharm工程目录中步骤2：为新数据集创建新配置文件或修改已有配置文件：xxxdataset.yaml 步骤3：下载或创建自定义数据集 3.1

python生成coco标签 voc转coco

jacke121的专栏

02-14

2873

yolo生成labelme格式标签： base_name= os.path.basename(file) orgimg = cv2.imread(file) # BGR img0 = copy.deepcopy(orgimg) assert orgimg is not None, 'Image Not Found ' + image_path h0, w0 = orgimg.shape[:2] # orig hw ..

【YOLO系列】基于YOLOv7模型的目标检测与实现——利用PASCALVOC数据集（超详细，看这一篇足矣）

m0_51178077的博客

04-11

2199

利用Yolov7算法，利用PASCALVOC数据集实现目标检测的任务，本文主要介绍了yolov7算法以及PASCALVOC数据集的划分和处理，同时介绍了利用服务器GPU对数据集进行训练。

Win10平台训练Yolo-Fastest模型全流程

weixin_46288017的博客

03-25

3064

一、环境准备安装vs2015 根据显卡驱动安装相应版本的CUDA和cuDNN 安装OpenCV 4.4.0 安装CMake 安装Anaconda 以上所有安装均可轻易找到大量教程，此处不再赘述。二、搜集样本运行这篇博客的Python脚本，可以快速搜集目标样本集，亲测可用： https://blog.csdn.net/qq_40774175/article/details/81273198 三、标注样本目标检测样本需要把待检测目标在图片中的位置和大小标注出来，采用LabelImg标注Yolo样本非

[NanoDet]超轻量目标检测模型训练与测试

weixin_44031703的博客

06-29

995

1.下载代码 NanoDet作者开源代码地址：https://github.com/RangiLyu/nanodet 2.准备自己的数据，按照voc格式，ann文件夹内存放自己的xml标注文件 3.修改yml文件（1）修改训练结果的保存路径，我的是piglet文件夹（2）修改类别数，num_classes和class_names，我的num_classes=1，class_names = ['piglet'] (3)修改训练集和验证集的文件夹路径,我的： img_path:...

部署NanoDet实现火焰检测

爱CV

01-31

1102

作者：Azure 出处：https://www.cnblogs.com/azureology/p/14103685.html 前言# 距离Nvidia推出Jetson Nano开发板已经有一段时间在GTC2020上NV再次推出了定价$59的2GB版Nano成为树莓派有利竞争对手同样的价格下自带128个cuda和免费DLI课程让新版Jetson Nano非常适合部署边缘AI项目在拿到开发板的第一时间我决定做一个小项目对Nano进行体验本文将结合机器视觉与AI实现实时火焰检测，输出real-tim

【目标检测】Nanodet使用笔记

AI知识搬运工

07-19

1951

一，环境安装 1. Create a conda virtual environment and then activate it. ```shell script conda create -n nanodet python=3.8 -y conda activate nanodet ``` 2. Install pytorch ```shell script conda install pytorch torchvision cudatoolkit=11.0 -c pytorch ``` ..

（学习笔记二）基于NanoDet模型的车辆检测项目

qq_40231851的博客

05-05

2907

1.NaonoDet模型简介 NanoDet是一个速度超快和轻量级的移动端Anchor-free目标检测模型，该模型的模型文件大小仅几兆（nanodet_m.pth仅3.86M），其在移动ARM CPU上的速度达到97fps（10.23ms），而且提供了基于ncnn推理框架的C++实现和Android demo。本次项目我们基于PyTorch来实现使用NanoDet模型进行车辆检测。 2.模型环境搭建 2.1源码下载 NanoDet的源码已经在GitHub开源社区中公布，我们在GitHub中搜索找到Nano

目标检测——使用nanodet训练自己制作的数据集并测试模型，通俗易懂（详细图文教程）

qq_40280673的博客

08-02

1万+

关于目标检测的模型有很多，**nanodet**模型小且轻量化，适合移植部署到硬件设备上，非常推荐学习这个模型。经过我自己踩了无数坑后总结了此教程，助学刚接触nanodet，想要快速上手的学者，教程很详细，学者耐心看。...

2. COCO转YOLO--只要行人

songwsx的博客

10-23

2586

# coding=utf-8 from pycocotools.coco import COCO import shutil import os # 将ROI的坐标转换为yolo需要的坐标 # size是图片的w和h # box里保存的是ROI的坐标（x，y的最大值和最小值） # 返回值为ROI中心点相对于图片大小的比例坐标，和ROI的w、h相对于图片大小的比例 def convert(si...

NanoDet-训练自己的数据集

左手coding，右手cooking

03-23

6435

NanoDet简介 nanodet网址：https://github.com/RangiLyu/nanodet NanoDet 是一个速度超快和轻量级的移动端 Anchor-free 目标检测模型。该模型具备以下优势：超轻量级：模型文件大小仅 1.8m；速度超快：在移动 ARM CPU 上的速度达到 97fps（10.23ms）；训练友好：GPU 内存成本比其他模型低得多。GTX1060 6G 上的 Batch-size 为 80 即可运行；方便部署：提供了基于 ncnn 推理框架的 C++

nanodet训练手势识别模型

小菜的博客

01-27

3549

序言前段时间nanodet爆火，以非常小的模型和运算量，取得了超过tiny-yolov4的精度，非常惊艳，因为时间问题一直没有尝试，最近有空决定尝试一下。先来看下作者给的模型效果一、nanodet安装首先安装nanodet的环境包： pip install Cython termcolor numpy tensorboard pycocotools matplotlib pyaml opencv-python tqdm 然后安装nanodet git clone https://github.c

jetbot 10 之人脸口罩佩戴检测

狮山飞虎的的博客

12-05

664

疫情推动了AI技术的进步，口罩检测技术更是被很多爱好者和学术、商业组织玩的百花其开。开源数据、开源模型非常之多。如滴滴前不久也公开了他们的据说 99.5%准确率的模型。但我还是忍不住要探究一把，让我的 jetbot 后知后觉地掌握一项技能。开干！一橹一把开源人脸口罩模型FaceMaskDetection： https://github.com/AIZOOTech/FaceMaskDetection 先看下效果: 板子配好 pytorch 环境后可直接运行: python3 py.