YOLOv5训练自定义的烟火数据集和COCO2017数据集

venvin.

已于 2022-07-21 10:53:25 修改

阅读量6.8k

点赞数 10

CC 4.0 BY-SA版权

分类专栏：目标检测文章标签：深度学习 python 计算机视觉

于 2021-03-30 17:52:39 首次发布

本文链接：https://blog.csdn.net/weixin_50008473/article/details/115331067

目标检测专栏收录该内容

17 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文详细介绍了如何使用YOLOv5训练自定义的烟火数据集和COCO2017数据集。首先，详细讲述了自定义数据集的准备过程，包括数据集结构、yaml文件创建和修改、train.py及test.py的调整。接着，讲解了COCO2017数据集的下载、标注文件放置以及yaml文件的配置。最后，提到了训练的开始。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一. 训练自定义数据集

1、准备数据集

在这里插入图片描述
(1)数据集具体结构内容如下：
yolov5/data/images存放训练的jpg图片
yolov5/data/annotations存放对应图片标注的xml文件
yolov5/data/ImageSets新建Main文件夹存放划分的训练集、测试集等文件

(2)运行voc2yolo5.py生成划分的训练集、测试集等文件

import os
import random 

xmlfilepath=r'annotations'
saveBasePath=r"ImageSets/Main/"

trainval_percent=0.66
train_percent=0.5

temp_xml = os.listdir(xmlfilepath)
total_xml = []
for xml in temp_xml:
  if xml.endswith(".xml"):
    	total_xml.append(xml)

num=len(total_xml)  
list=range(num)  
tv=int(num*trainval_percent)  
tr=int(tv*train_percent)  
trainval= random.sample(list,tv)  
train=random.sample(tra

了解本专栏

超级会员免费看