YOLOV5训练数据集的完整过程

最新推荐文章于 2026-04-29 07:30:00 发布

原创

最新推荐文章于 2026-04-29 07:30:00 发布 · 1.1w 阅读

115

标签

#深度学习 #pytorch #机器学习

收录于

1、下载YOLOV5

git clone https://github.com/ultralytics/yolov5.git

2、安装依赖包

cd yolov5
pip install -r requirements.txt

3、准备数据集（VOC）

1）在yolov5目录下创建face_dataset文件夹，将labelImage标注好的xml文件（face_dataset/Annotations）和原始图片（face_dataset/images）放到对应的目录下，目录结构如下：

Annotations文件夹下面为xml文件（标注工具labelImage生成的标注文件），内容如下：

images文件夹下面为VOC数据集格式中的JPEGImages，内容如下：

2）在face_dataset目录下创建split_train_val.py脚本，通过该脚本划分数据集，划分为：训练集、验证集和测试集，代码如下：

import os
import random

trainval_percent = 1.0
train_percent = 0.9
xmlfilepath = 'Annotations'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(num * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

# ImageSets目录不存在，就创建
if not os.path.exists('ImageSets/'):
    os.makedirs('ImageSets/')
# ImageSets/Main目录不存在，就创建
if not os.path.exists('ImageSets/Main/'):
    os.makedirs('ImageSets/Main/')

ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')

for i in list:
    name = '/opt/PycharmProjects/yolov5/face_dataset/images/' + total_xml[i][:-4] + '.jpg' + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else: