YOLOV5-打标签建立自己的数据集

🌞欢迎来到机器学习的世界 
🌈博客主页:卿云阁

💌欢迎关注🎉点赞👍收藏⭐️留言📝

🌟本文由卿云阁原创!

🌠本阶段属于练气阶段,希望各位仙友顺利完成突破

📆首发时间:🌹2021年7月16日🌹

✉️希望可以和大家一起完成进阶之路!

🙏作者水平很有限,如果发现错误,请留言轰炸哦!万分感谢!


labelImg下载

    labelImag在github上面有,可自行下载
下载链接: labelImg-master.

1.修改标签
    在data/predefined_classes里面修改里面的class,比如我的标签为red和green就按这个格式改。

 

2.然后直接点击labelImg.py文件打开
   运行环境一般有python的idle都可以直接打开,如果是pycharm就要在pycharm打开代码,然后手动run,这个时候小伙伴可能会遇到这个问题。 

conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc
python labelImg.py
python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

主页信息告诉我们,当我们把源码下载下来之后,先要在Anaconda Prompt中进入到解压之后的文件目录下,在依次执行上面的指令。其中前三个指令缺一不可哦(除非环境中早已安装有前两个),其中第三条指令最重要! 

 

3.打开后将格式改成yolo

4.选择图片位置和我们标注的txt文件保存的位置
      一般用labelImg我们都要在文件中创建images文件夹和labels文件夹,将需要标注的图片放在images文件夹中,labels文件夹暂时不用放东西,到时候会自动生成标注的txt文件然后Open Dir选择images,Change Save Dir选择labels。
下图为我的数据集保存的位置 


5.然后就可以开始标注我们的数据集了
按“w”键可以开始标注
按“a”键是上一张
按“d”键是下一张

6.自动保存
      如果我们需要快速标注数据集,可以在view/atuo save mode选择自动保存,这样按下一张就不会跳出是否保存的选择框了。 

7.更加快捷操作
     如果标注的时候很多张都是red,就可以在右上角将"use default label"勾选上,在后面填上red。

 

YOLOv8是一种目标检测算法,它可以用于检测图像或视频中的多个目标。要建立自己的数据集,可以按照以下步骤进行: 1. 收集数据:首先,您需要收集包含您感兴趣目标的图像或视频数据。确保数据集中包含各种场景、角度和光照条件下的目标。 2. 标注数据:接下来,您需要为每个图像或视频帧中的目标进行标注。标注是指在图像中绘制边界框,并为每个边界框分配一个类别标签。可以使用标注工具(如LabelImg、RectLabel等)来简化这个过程。 3. 划分数据集:将整个数据集划分为训练集、验证集和测试集。通常,训练集用于模型的训练,验证集用于调整模型的超参数和监控模型的性能,测试集用于评估模型的最终性能。 4. 数据预处理:在训练之前,需要对数据进行预处理。这包括将图像调整为模型所需的输入尺寸、归一化像素值、数据增强(如随机裁剪、翻转、旋转等)等操作。 5. 配置模型:根据您的需求和数据集的特点,选择合适的YOLOv8模型配置。YOLOv8有不同的变体,如YOLOv3、YOLOv4等,您可以根据需要选择适合您的模型。 6. 训练模型:使用标注好的数据集和预处理后的数据,通过训练算法来训练YOLOv8模型。训练过程中,您可以调整学习率、批量大小、训练轮数等超参数,以获得更好的性能。 7. 模型评估:在训练完成后,使用验证集来评估模型的性能。可以计算模型在目标检测任务上的精度、召回率、平均精度均值(mAP)等指标。 8. 模型应用:在模型训练和评估完成后,您可以将模型应用于新的图像或视频数据中,以检测和定位目标。
评论 4
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

打赏作者

卿云阁

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
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