python制作yolov2目标检测标注数据集
来源:互联网 发布:图解汉诺塔递归算法c 编辑:程序博客网 时间:2024/06/13 11:21
YOLOv2-photo-mark
2017-11-7
网上关于制作yolo数据集的代码有好几份,之前看到的有imageLabel和yolo-mark,这两个功能都比较完善,但是代码比较复杂,后者还需要配置,且得到的数据需要再经过一次转换,如果是像我这样只需要做一类物体的标记或者需要制作的数据集较小的朋友,更适合用本代码中的方法。
这个代码是基于网上的一份代码修改的,刚刚找了半天已经找不到出处了,如果知道的同学可以告知一下。
最初的代码比较简陋,运行起来也有一些问题,且输出的格式不能直接用于yolov2的训练,修改过后基本没什么问题。
使用方法
在代码文件所在目录下新建images文件夹、labels文件夹,将需要做标记的图片放到images文件夹中。最后得到的标签文件会存放到labels文件夹下。
代码比较简洁,因此功能也相对来说比较简陋,目前只能对一类物体进行标记,如果需要制作多类的标签数据,只能修改代码67行后重复运行代码。以后有时间会将代码进行完善。
本代码用到了opencv,利用opencv进行标记,需要提前配置好opencv库(既然要用yolov2,opencv肯定还是要装的)。
在命令行窗口下,输入 python YOLOv2_photo_mark.py
进入标记界面。
左键拖动进行绘制,当前图片绘制完成后,点击右键绘制下一张图片,直到标记完成images目录下的所有图片。
代码在github上:点击
阅读全文
0 0
- python制作yolov2目标检测标注数据集
- TX2实现yolov2(目标检测,计数,训练自己的数据集)
- YOLOv2训练:制作VOC格式的数据集
- 目标检测制作自己的VOC2007数据集
- mxnet 之 目标检测数据集制作+SSD 模型训练
- 目标检测数据集
- 目标检测:YOLOv2的cfg转换成caffe的prototxt
- 【深度学习:目标检测】 Face Detection with the Faster R-CNN(数据集标注对比研究报告 )
- 仿照VOC2007数据集格式制作自己的目标检测数据集
- 目标检测标注工具labelImg使用方法
- py-faster-rcnn制作自己的数据集做目标检测
- 用YOLOv2模型训练VOC数据集
- YOLOv2训练voc数据集(一类)
- darknet yolov2 训练自己的数据集
- 用YOLOv2训练自己的数据集
- 使用yolov2训练自己的数据集
- YOLOv2训练自己的数据集
- 目标检测任务中图片标注工具LabelImg等
- 树状数组
- Turing Tree hdu 3333(传说中的图灵树)
- 带头结点的单链表就地逆置
- 老查的ARM学习笔记:chapter-3(串口驱动程序分析 )
- Java基础1
- python制作yolov2目标检测标注数据集
- 2017-11-7
- CCF 201503-4 网络延时
- Verilog学习笔记(五)
- 四七、node学习笔记(2)
- 设计模式——桥接模式
- Beat the Spread! POJ
- volatile
- 一些 Linux 诞生大事件