yolov8训练CDLA数据文版版面分析

最新推荐文章于 2025-07-03 10:25:08 发布

原创

最新推荐文章于 2025-07-03 10:25:08 发布 · 2.8k 阅读

19 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO #python #目标检测 #计算机视觉

本文介绍了CDLACDLA中文文档版面分析数据集，涉及数据集结构、json转txt预处理步骤，并展示了如何使用ultralytics的yolov8模型进行训练和测试，包括模型加载、训练配置和图像检测应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一.数据集介绍

CDlA数据集介绍：CDLA
CDLA是一个中文文档版面分析数据集，面向中文文献类（论文）场景。包含以下10个label：在这里插入图片描述
数据量：
共包含5000张训练集和1000张验证集，分别在train和val目录下。每张图片对应一个同名的标注文件(.json)。
数据展示：
标注工具是labelme，所以标注格式和labelme格式一致。
数据结构：
train和val里面分别存放图片及标注结果json文件
在这里插入图片描述

二. 数据预处理

将json文件转换成txt文件

import json 
import os 
import argparse
from tqdm import tqdm
import glob
import cv2 
import numpy as np
 
def convert_label_json(json_dir,save_dir,classes):
    files=os.listdir(json_dir)
    #删选出json文件
    jsonFiles=[]
    for file in files:
        if os.path.splitext(file)[1]==".json":
            jsonFiles.append(file)
    #获取类型        
    classes=classes.split(',')
    
    #获取json对应中对应元素
    for json_path in tqdm(jsonFiles):
        path=os.path.join(json_dir,json_path)
        with open(path,'r') as loadFile:
            print(loadFile)
            json_dict