我在 yolo v5 中为旧版本注释的数据集中进行对象检测。但在教程中我发现我们必须选择 yolov5 pytorch 格式。有什么区别,旧注释数据是否有效?
问问题
3023 次
2 回答
2
是的,它有效。我最近使用它并根据以下标签格式进行标记:
.txt
-每个.jpg
-image-file 的文件 - 在同一目录中并具有相同的名称,但具有 .txt 扩展名,并放入文件:此图像上的对象编号和对象坐标,对于新行中的每个对象:
<object-class> <x> <y> <width> <height>
在哪里:
0
- 从到的对象的整数(classes-1)
- 相对于图像的宽度和高度的浮点值,它可以等于(0.0 to 1.0]
例如:<x> = <absolute_x> / <image_width>
或注意<height> = <absolute_height> / <image_height>
:<x> <y>
- 是矩形的中心(不是左上角)
于 2021-03-10T10:47:47.627 回答
0
在自定义数据集上训练YOLOv5(或确保你有这些):
- 首先你必须创建一个dataset.yaml
- 接下来,您必须标记图像,将标签导出为YOLO 格式,每张图像有一个 *.txt 文件(如果图像中没有对象,则不需要 *.txt 文件)。
- 然后你需要相应地组织你的训练和验证图像和标签。
你可以在这里找到关于它的详细描述: yolov5/wiki/Train-Custom-Data
于 2021-08-30T13:42:13.330 回答