准备自己的数据集

bai666ai 2023-01-13 00:38:32

课时名称	课时知识点
准备自己的数据集	实战篇包括：PyTorch环境安装、YOLOv5项目安装、准备自己的数据集、修改配置文件、训练自己的数据集、Grad-CAM热力图可视化

...全文

299 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

[PyTorch小试牛刀]实战六·准备自己的数据集用于训练（基于猫狗大战数据集）在上面几个实战中，我们使用的是Pytorch官方准备好的FashionMNIST数据集进行的训练与测试。本篇博文介绍我们如何自己去准备数据集，以应对更多的场景。我们此次使用的是猫狗大战数据集，开始之前我们要先把数据处理一下，形式如下 datas │ └───train │ │ │ └───cats │ ...

一、准备自己的xml格式数据集 首先要准备一份xml配置的数据集，数据集打完标注文件如下： ImageSets中暂为空，再执行【划分训练集、验证集和测试集】，划分后如下图：再将xml格式数据集转为txt文件格式【数据集格式转换xml2txt】：整合成最终数据集： images是数据集的所有图片；labels是数据集的所有txt标签数据；train.txt是训练集的所有文件名； 数据集放在mm/datasets下， datasets与mmdetection-master代码同级：二、txt格

#训练自己的数据集 一、准备数据集 1.准备数据集：先在网上查有没有已经标注的公共数据集，如COCO、VOC数据集，如果公共数据集中没有所需的类，则自己在网上找图片即可（图像尽可能保存为jpg格式），图像尽可能要求分辨率高，背景环境简单 2.数据集的标注：在目标检测中常用labelImg工具进行标注，工具下载地址：link 标注工具github界面如图所示：下载后解压，使用说明见下载文件中的readme.md 3.进入labelImg-master文件夹：在空白处安装键盘的Shift键+鼠标右键，点击

使用Yolov8训练自己的数据集

一.Requirements 本教程所用环境：代码版本V3.0，源码下载地址：https://github.com/ultralytics/yolov5.git Pytorch：1.6.0 Cuda：10.1 Python：3.7 官方要求Python>=3.8 and PyTorch>=1.6. 二. 准备自己的数据集（VOC格式） 1.在yolov5目录下创建paper_data文件夹（名字可以自定义），目录结构如下，将之前labelImg标注好的xml文件和图片放到对应目录下 paper_

白老师的课程社区_NO_7

4

社区成员

244

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章