【目标检测】yolo的三种数据集格式

目标检测中数据集格式之间的相互转换--coco、voc、yolohttps://zhuanlan.zhihu.com/p/461488682?utm_medium=social&utm_psn=1825483604463071232&utm_source=wechat_session【目标检测】yolo的三种数据集格式https://zhuanlan.zhihu.com/p/525950939?utm_medium=social&utm_psn=1825483832641581056&utm_source=wechat_session

在YOLO目标检测中,常用的标签格式主要有三种:voc(xml)、coco(json)和yolo(txt)。每种格式都有其独特的优点和适用场景。

  • voc(xml)格式 :XML格式因其良好的可读性和扩展性,在目标检测领域得到了广泛应用。它不仅能够存储目标的边界框信息,还能包含其他元数据信息,如图像来源、拍摄时间等。
  • coco(json)格式:JSON格式以其轻量级和易于解析的特点,成为许多现代目标检测数据集的首选。它支持多层嵌套结构,能够更灵活地表示复杂的目标关系。
  • yolo(txt)格式:YOLO算法专用的txt格式标签,简洁明了,直接包含目标的类别和边界框坐标。这种格式在YOLO系列算法的训练中非常高效。

因为我以后的项目大概率继续用的是txt格式,所以本文只写txt格式的相关内容,其他格式参考上面的两个链接。

1、yolo的txt格式

yolov5的比较简单,就是图片和标签分别两个文件夹中,并且自己分类,将图片与标签按照一定的比例区分成训练集和验证集。

txt的标签如下图所示:

第一列为目标类别,后面四个数字为**[x_center, y_center, w, h]**,可以看到都是小于1的数字,是因为对应的整张图片的比例,所以就算图像被拉伸放缩,这种txt格式的标签也可以找到相应的目标。

使用makesense.ai(上一篇文章说过的一个超级强大的在线标注工具)标注之后直接输出的就是txt标签文件,分一下文件夹即可训练。

2、划分数据集

代码请教GPT

3、修改代码

自己的数据集标注好,分好之后当然是用模型进行训练啦。

1、custom.yaml文件

仿照./data/文件夹下的yaml文件,自己写一个

这边的"path" 和"names"改成自己的,这里笔者的train_data放在和yolov5相同目录下。

然后按照官方用例跑,data 参数改为自己的custom.yaml:

复制代码
python train.py --data custom.yaml --epochs 300 --weights ./weights/yolov5s.pt --cfg yolov5s.yaml  --batch-size 128
相关推荐
唐某人丶1 小时前
教你如何用 JS 实现 Agent 系统(2)—— 开发 ReAct 版本的“深度搜索”
前端·人工智能·aigc
FIT2CLOUD飞致云2 小时前
九月月报丨MaxKB在不同规模医疗机构的应用进展汇报
人工智能·开源
阿里云大数据AI技术2 小时前
【新模型速递】PAI-Model Gallery云上一键部署Qwen3-Next系列模型
人工智能
袁庭新2 小时前
全球首位AI机器人部长,背负反腐重任
人工智能·aigc
机器之心2 小时前
谁说Scaling Law到头了?新研究:每一步的微小提升会带来指数级增长
人工智能·openai
算家计算3 小时前
AI配音革命!B站最新开源IndexTTS2本地部署教程:精准对口型,情感随心换
人工智能·开源·aigc
量子位3 小时前
马斯克周末血裁xAI 500人
人工智能·ai编程
算家计算3 小时前
OpenAI最强编程模型GPT-5-Codex发布!可独立编程7小时,编程效率提升10倍
人工智能·ai编程·资讯
聚客AI4 小时前
🌟大模型为什么产生幻觉?预训练到推理的漏洞全揭秘
人工智能·llm·掘金·日新计划
Juchecar5 小时前
一文讲清 nn.Sequential 等容器类
人工智能