用MOT17训练yolov8

朝-

已于 2024-02-01 15:38:51 修改

阅读量1.7k

点赞数 10

CC 4.0 BY-SA版权

分类专栏：目标检测文章标签： YOLO 人工智能机器学习

于 2024-02-01 15:28:04 首次发布

本文链接：https://blog.youkuaiyun.com/Abstract_zhw/article/details/129939087

本文详细描述了如何使用YOLOv8算法对MOT17数据集进行训练，包括数据分割、标签转换、模型训练以及评估过程，并提及了将模型导出为ONNX格式以便后续跟踪。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

YOLOv8训练MOT17

数据准备

1.制作训练数据
将MOT17分割为image和label两个子文件，两个子文件夹分别放test、train、val。
convert.py将数据集分割，该文件放在MOT17路径下。

'''
创建以下四个目录，用于存放图片和标签
images/train
images/val
labels/train
labels/val
'''
import os
import shutil
import numpy as np
import configparser
if not os.path.exists('images'):
    os.makedirs('images/train')
    os.makedirs('images/val')
    os.makedirs('images/test')
if not os.path.exists('labels'):
    os.makedirs('labels/train')
    os.makedirs('labels/val')
    os.makedirs('labels/test')


def convert(imgWidth, imgHeight, left, top, width, height):
    x = (left + width / 2.0) / imgWidth
    y = (top + height / 2.0) / imgHeight
    w = width / imgWidth
    h = height / imgHeight
    return ('%.6f'%x, '%.6f'%y, '%.6f'%w, '%.6f'%h) # 保留6位小数


for mot_dir in os.listdir('train'):  # mot_dir是例如MOT17-02-FRCNN这种
    det_path = os.path.join('train', mot_dir, 'det/det.txt')  # det.txt路径
    dets = np.loadtxt(det_path, delimiter=',')  # 读取det.txt文件
    ini_path = os.path.join('train', mot_dir, 'seqinfo.ini')  # seqinfo.ini路径
    conf = configparser.ConfigParser()
    conf.read(ini_path)  # 读取seqinfo.ini文件
    seqLength = int(conf['Sequence']['seqLength'])  # MOT17-02-FRCNN序列的长度
    imgWidth = int(conf['Sequence']['imWidth'])  # 图片宽度
    imgHeight = int(conf['Sequence']['imHeight'])  # 图片长度
    for det in dets:
        frame_id, _, left, top, width, height = int(det[0]), det[1], det[2], det[3], det

最低0.47元/天解锁文章