YOLOV6之数据加载

原创

已于 2022-10-08 10:23:51 修改 · 558 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#目标检测

于 2022-10-08 10:22:47 首次发布

本文介绍YoloV6目标检测模型的数据加载流程，包括如何使用create_dataloader函数从指定路径加载训练数据，并通过实例演示展示如何配置及使用该函数。此外还提供了coco.yaml配置文件的使用说明。

一、数据加载

位于engine.py文件下

self.train_loader, self.val_loader = self.get_data_loader(args, cfg, self.data_dict)

二、create_dataloader

位于engine.py文件下的get_data_loader()函数中

train_loader = create_dataloader(train_path, args.img_size, 
                                 args.batch_size // args.world_size, grid_size,
                                 hyp=dict(cfg.data_aug), augment=True, rect=False, 
                                 rank=args.local_rank,
                                 workers=args.workers, shuffle=True, 
                                 check_images=args.check_images,
                                 check_labels=args.check_labels, 
                                 data_dict=data_dict, task='train')[0]

三、代码测试

from yolov6.data.data_load import create_dataloader
from yolov6.utils.config import C

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Goodness2020

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

Yolo V5 学习 (预处理 create_dataloader )

weixin_53188968的博客

05-04

1443

这样，在重新读取数据集时，可以直接搜索数据集中是否存在缓存文件。此外，相对于原始的文本标签文件，缓存文件还可以保存很多额外信息，例如数据集的大小、未找到标签文件对应的图片数量等。超参数（Hyperparameters）是指在机器学习模型中，需要人为设定的参数。超参数的选择会影响模型的性能，因此需要通过实验来确定最优的超参数。在分布式训练中，每个进程都有一个唯一的等级，用于区分不同的进程。如果opt.cache的值为’val’，则不使用缓存文件技巧None，否则使用opt.cache指定的缓存文件技巧。

yolov8官方代码训练模型（coco数据集和voc数据集训练）+onnx模型预测

最新发布

06-27

Yolov8是当前流行的目标检测算法之一，属于深度学习领域，特别在计算机视觉任务中表现出色。目标检测是人工智能和计算机视觉领域的一个重要分支，它主要任务是在图像中找到各种目标的位置并识别它们的类别。 Yolov8...

精选资源

yolov5鱼类数据集FISHES-IN-THE-WILD-YOLOv5

10-19

3. 训练：使用PyTorch等框架，加载数据集并配置训练参数，如学习率、批大小、迭代次数等。 4. 模型优化：通过验证集调整超参数，以达到最佳性能。 5. 模型评估：使用测试集检查模型的精度和速度。 6. 部署：将训练好...

YOLO3 数据处理与数据加载 Keras源码分析

刘之帅

12-28

488

YOLO3 Keras 源码：https://github.com/qqwweee/keras-yolo3 前言本文从主要是从源码层面对 YOLO3 的数据处理相关内容进行分析与讲解。通常，一个功能的实现需要多个函数配合，所以我将每个功能的实现函数分为两部分，基础函数和实现函数：基础函数：被实现函数所依赖，是实现函数的一部分实现函数：通过调用基础函数实现功能源码内容比较多，通过目...

重写yolo数据加载模块

qq_27172615的博客

01-18

666

"""Args:.. note::"""具体的可以看看，我另外一篇关于这个类的源码阅读。这个类我觉得相当于定义了一种编码规范其他一些增强的方法，都差不多。主要就是索引处理，标签和图片加载。性能肯定比yolo原生的差多了，yolo原生标签，图片在初始化就统一处理了，然后缓存。所以代码量非常大，可阅读性很差。另外torchvision.datasets这个包提供了一套编码规范逻辑很清晰。初学的话，照这个来，我觉得是比较好的选择。

Yolov5系列(4)-dataloader模块

weixin_45483906的博客

04-28

7257

Abstract 数据的加载对于一个检测网络来说可以说是重中之重,在ICCV的很多论文中,提到了各种数据预处理的技巧,很幸运得是,yolov5将这些内容加入到了他的代码中,同时,代码的耦合度并不高,我们可以很轻松的将其移植到其他项目中去 ...

YOLOv8的dataloader，数据增强--源码解析

xiefanmin的博客

12-30

1万+

文件：ultralytics/engine/trainer.py属于基类： class文件：ultralytics/models/yolo/detect/train.py属于子类：class。

5.7 COCO数据集概览

tang7mj的博客

10-13

1591

COCO数据集是一个大规模的对象检测、分割和标注数据集，设计用于促进对象类别的学术研究，常用于检测计算机视觉模型的标准实验。它是对象检测、分割和姿态估计任务的基础数据集，应用应用于访问和基准评估。

YOLOv5代码解析—dataloader数据加载机制

用于记录

05-05

4577

YOLO V5 - ultralytics代码解析-dataloader数据加载机制

目标检测入门（三）程序文件目录详解

weixin_47208848的博客

10-13

645

前面几节了解了目标检测的一些基础概念之后就可以着手跑程序了，至于环境的配置某站一大堆教程，这里重点推荐up主我是土堆，而且还有一个yolov5的实战教程，非常适合新手了。经过几天的调试终于把程序跑出来了，看着密密麻麻的工程文件夹一时头大，接下来几天要把各个配置文件和代码读懂。

YOLOv5训练自己的voc数据集

qq_52053775的博客

07-19

3730

查看yolov5的配置文件coco.yaml和coco128.yaml，yolov5数据集可以有两种形式，download部分完全没用，不要复制另一种就是将训练集、测试集、验证集图片路径直接写入txt文件中，复制coco.yaml，路径修改为自己的txt文件、种类数量、名称都要改为自己的数据。...

Ultralytics YOLO V11 初体验—训练COCO数据集—全流程记录

一个学长的博客

10-09

1万+

本文记录了，使用Utralytics平台中的YOLO V11 训练COCO数据集的全流程，包括环境配置，模型下载，数据集下属在，文件目录搭建，标签生成，以及最后的运行结果。

coco2017数据集ID号和name及yaml id对应关系

dingdongkk~博客

03-13

1882

yolov5 create_dataloader原码及解析

weixin_50862344的博客

09-18

1451

yolov5 create_dataloader原码及解析

yolov8的数据加载在那个函数中

05-14

虽然引用[2]提到了YOLOv6的数据加载逻辑位于`engine.py`文件下的`self.train_loader, self.val_loader = self.get_data_loader(args, cfg, self.data_dict)`[^2]，但在YOLOv8中，其具体实现有所变化。 YOLOv8的数据...