【记录】使用YOLOV3训练并测试自己的数据集

最新推荐文章于 2026-03-31 03:17:03 发布

原创

最新推荐文章于 2026-03-31 03:17:03 发布 · 1.7k 阅读

标签

#python #深度学习 #人工智能 #机器学习

本文详细介绍使用labelme工具制作数据集的过程及PyTorch-YOLOv3的训练方法，包括环境搭建、配置修改、常见问题解决等关键步骤。

文章目录

labelme制作数据集
PyTorch-YOLOv3
- 遇到的问题

labelme制作数据集

首先安装labelme工具

pip install pyqt5  
pip install labelme

运行labelme

labelme

会出现下图所示窗口，
点击Open Dir 打开存放数据集的文件夹。
点击Edit->Create-Rectangle开始做框
标注label，点击ok保存

文件夹下会出现对应图片.json文件标注信息
在这里插入图片描述
接下来用以下代码生成数据集对应的train.txt文件和label.txt文件

# coding:utf-8
# 生成darknet需要的标签

import os
import os.path as path
import json

# 保存所有类别对应的id的字典
class_id_dict = {
   
   }

# 判断是不是图片
def isPic(basename):
    file_type = basename.split('.')[-1]
    pic_file_list = ['png', 'jpg', 'jpeg', 'BMP', 'JPEG', 'JPG', 'JPeG', 'Jpeg', 'PNG', 'TIF', 'bmp', 'tif']
    if file_type in pic_file_list:
        return True
    return False

# 判断这个图片有没有对应的json文件
def has_json(img_file):
    # 得到json文件名
    base_name = path.basename(img_file)
    dir_name = img_file[:len(img_file) - len(base_name)]
    json_name = base_name.split('.')[0]
    json_name = json_name + '.json'
    json_name = path.join(dir_name, json_name)
    if path.isfile(json_name):
        return json_name
    return None

# 生成file_name的label文件，并重新写入 content_list 中内容
def rewrite_labels_file(file_name, content_list):
    with open(file_name, 'w') as f:
        for line in content_list:
            curr_line_str = ''
            for element in line:
                curr_line_str += str(element) + ' '
            f.write(curr_line_str + '\n')
    return

# 生成file_name的训练图片路径文件
def rewrite_train_name_file(file_name, content_list):
    with open(file_name, 'w') as f:
        for line in content_list:
            f.write(str(line) + '\n')

最低0.47元/天解锁文章