yolov3可见光和红外数据集训练（VOC2007&FLIR）

最新推荐文章于 2025-11-25 08:13:15 发布

原创

最新推荐文章于 2025-11-25 08:13:15 发布 · 3.1k 阅读

43 ·

CC 4.0 BY-SA版权

文章标签：

#python #深度学习 #目标跟踪

yolov3可见光和红外数据集训练（VOC2007&FLIR）

1.VOC2007

用到数据集中以下三个文件夹
在这里插入图片描述

Annotations中存放xml文件，标注了各个目标的位置信息
images中存放图片
ImageSets存放分割的train.txt , test.txt , val.txt ， trainval.txt（自己生成）

1.1 makeTx.py

运行 makeTx.py 文件（放在根目录），会在ImageSets文件夹下生成上述四个 txt 文件

import os
import random
 
trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'data/Annotations'
txtsavepath = 'data/ImageSets'
total_xml = os.listdir(xmlfilepath)
 
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
 
ftrainval = open('data/ImageSets/trainval.txt', 'w')
ftest = open('data/ImageSets/test.txt', 'w')
ftrain = open('data/ImageSets/train.txt', 'w')
fval = open('data/ImageSets/val.txt', 'w')
 
for i in list:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftest.write(name)
        else:
            fval.write(name)
    else:
        ftrain.write(name)
 
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

1.2 voc_label.py

运行 voc_label.py 文件（根目录）生成labels标签文件，以及data目录下的txt文件（对应图片路径），用于训练。

#-*- coding:utf-8 -*
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
 
sets = ['train', 'test','val']
#classes = ['person','bird','cat','cow','dog','horse','bicycle','boat','bus','car','motorbike','train','bottle','chair','diningtable','pottedplant','sofa','tvmonitor']
classes = ['aeroplane','bicycle','bird','boat','bottle','bus','car','cat','chair','cow','diningtable','dog','horse','motorbike','person','pottedplant','sheep','sofa','train','tvmonitor']
def convert(size, box):
    dw