YOLOX训练自己的数据集(voc)

最新推荐文章于 2026-04-03 21:15:00 发布

原创

最新推荐文章于 2026-04-03 21:15:00 发布 · 2.6k 阅读

收录于

本文档介绍了如何使用YOLOX框架训练自己的VOC数据集，包括数据集准备、配置文件修改、预训练模型下载、训练过程及测试效果的详细步骤。

github地址https://github.com/Megvii-BaseDetection/YOLOX

1.准备数据集

目录结构YOLOX/datasets/VOCdevkit/VOC2007/

JPEGImages(存放图片)

Annotations（标注xml）

ImageSets（makeTxt.py生成） /新建Main,将生成文件移动到Main下,或者直接修改代码

labels（makeLabel.py生成）

makeTxt.py

# coding:utf-8

import os
import random
import argparse

parser = argparse.ArgumentParser()
#xml文件的地址，根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument('--xml_path', default='Annotations', type=str, help='input xml label path')
#数据集的划分，地址选择自己数据下的ImageSets/Main
parser.add_argument('--txt_path', default='ImageSets', type=str, help='output txt label path')
opt = parser.parse_args()

trainval_percent = 1.0
train_percent = 0.9
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
    os.makedirs(txtsavepath)

num = len(total_xml)
list_index