/VOC2YOLO

将VOC数据集转成YOLOv5v8数据集

Primary LanguagePython

将VOC数据集转化为yolov5 yolov8可使用的数据集

以yolov8 的训练过程为例说明训练过程

数据集准备

可以使用官方推荐的roboflow对数据进行标注，是个在线的数据标注网站，标注后支持导出yolo各个版本的训练数据集，唯一的缺点是因为网络原因太卡了。

使用精灵助手进行数据VOC数据集的标注导出VOC格式的数据集

  • 将图片放入JPEGImages目录
  • 将xml文件放入Annotations目录

使用脚本将VOC数据集转化为yolov8可使用的数据集
编写数据集的配置文件如mydataset.yaml

path: ../pathtodataset 
train: images 
val: images

nc: 2
names: ['b1','b2']

训练过程

安装依赖

Pip install ultralytics and dependencies and check software and hardware.

%pip install ultralytics
import ultralytics
ultralytics.checks()

训练

!yolo train model=yolov8n.pt data=/content/b1b2datebase/my.yaml epochs=50 imgsz=640

验证

!yolo val model=runs/detect/train4/weights/best.pt data=/content/datasets3/data2.yaml

预测

Run inference on an image with YOLOv8n

!yolo predict model=yolov8n.pt source='https://ultralytics.com/images/zidane.jpg'

Run inference on an image with trained model

!yolo predict model=runs/detect/train4/weights/best.pt  source='/content/datasets3/images/val/16834710259451773.jpg'

python使用

from ultralytics import YOLO

# Load a model
# model = YOLO('yolov8n.yaml')  # build a new model from scratch
model = YOLO('runs/detect/train4/weights/best.pt')  # load a pretrained model (recommended for training)

# Use the model

results = model('/content/datasets3/images/val/16834710259451773.jpg')  # predict on an image
print(results)

其他

若上传zip格式的数据集到云端，可用以下命令解压数据集

!unzip -q temp.zip -d b1b2datebase && rm temp.zip  # unzip

import locale
locale.getpreferredencoding = lambda: "UTF-8" # 用于解决编码相关错误