0

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？

4

2 回答 2

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