SSD訓練自己的資料集（一） 製作VOC資料集

import os

path = "./123"
filelist = os.listdir(path) #該資料夾下所有的檔案（包括資料夾）
count=0
for file in filelist:
print(file)
for file in filelist: #遍歷所有檔案
olddir=os.path.join(path,file) #原來的檔案路徑
if os.path.isdir(olddir): #如果是資料夾則跳過
continue
filename=os.path.splitext(file)[0] #檔名
filetype=os.path.splitext(file)[1] #副檔名
newdir=os.path.join(path,str(count).zfill(6)+filetype) #用字串函式zfill 以0補全所需位數
os.rename(olddir,newdir)#重新命名
count+=1

新建以上三個資料夾，再imagesets資料夾下在新建main資料夾，main資料夾下存放四個txt檔案

其中test.txt儲存用於測試集的編號（如「00012

SSD講堂五 訓練 SSD 訓練自己的資料集

我的批註一 方案三在實際執行中遇到了一些問題 第一 我的指令碼反斜槓 變成了紅色報錯，直接貼上博主的指令碼儲存為train.sh檔案，用bash train.sh的方式執行是不行的，暫時還沒找到原因。補充一下博主的指令碼裡面沒有寫dataset set和train dir的路徑。問題已經解決 把注釋...

製作自己的資料集

eg 這裡的影象樣本已經分好類0 7共8類 為資料夾內所有的影象打上標籤 原始碼參考 import os 為資料集生成對應的txt檔案 train txt path train.txt train dir train valid txt path valid.txt valid dir valid ...

YOLO訓練自己的資料集

很高興現在已經有幾百人通過我的教程成功地使用yolo處理自己的資料集。最近一直在用cnn的模型做影象二分類，但苦於效果不佳，於是把影象分類問題轉作目標識別問題。做目標識別選擇了yolo you only look once 乙個最近推出的方法，突出的優點就是速度快。查詢了網上關於yolo的訓練自己資...