yolov5训练自定义数据

本文介绍如何使用COCO128数据集进行目标检测任务的训练,包括创建dataset.yaml配置文件及使用labelbox等工具进行图像标注的方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

训练自定义数据

  1. 新建dataset.yaml
    COCO128是一个小型教程数据集,由COCOtrain2017中的前128张图像组成。这128张图片用于训练和验证,以验证我们的训练通道是否能够拟合。数据集配置文件如下所示:它定义了
    1)一个可选的下载命令/URL,用于自动下载。
    2)训练图像目录的路径(或带有训练图像列表的txt文件路径)
    3)用于验证的图像
    4)类的数量
    5)类名列表
# download command/URL (optional)
download: https://github.com/ultralytics/yolov5/releases/download/v1.0/coco128.zip

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: ../coco128/images/train2017/
val: ../coco128/images/train2017/

# number of classes
nc: 80

# class names
names: ['person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus', 'train', 'truck', 'boat', 'traffic light',
        'fire hydrant', 'stop sign', 'parking meter', 'bench', 'bird', 'cat', 'dog', 'horse', 'sheep', 'cow',
        'elephant', 'bear', 'zebra', 'giraffe', 'backpack', 'umbrella', 'handbag', 'tie', 'suitcase', 'frisbee',
        'skis', 'snowboard', 'sports ball', 'kite', 'baseball bat', 'baseball glove', 'skateboard', 'surfboard',
        'tennis racket', 'bottle', 'wine glass', 'cup', 'fork', 'knife', 'spoon', 'bowl', 'banana', 'apple',
        'sandwich', 'orange', 'broccoli', 'carrot', 'hot dog', 'pizza', 'donut', 'cake', 'chair', 'couch',
        'potted plant', 'bed', 'dining table', 'toilet', 'tv', 'laptop', 'mouse', 'remote', 'keyboard', 
        'cell phone', 'microwave', 'oven', 'toaster', 'sink', 'refrigerator', 'book', 'clock', 'vase', 'scissors', 
        'teddy bear', 'hair drier', 'toothbrush']
  1. 创建标签
    使用labelbox之类的工具标记图像后,将标签导出为YOLO
    格式,每个图像带有一个txt文件(如果图像中没有对象,则不需要txt文件)。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值