yolov5训练flash芯片引脚

最新推荐文章于 2025-08-01 10:49:01 发布

原创

最新推荐文章于 2025-08-01 10:49:01 发布 · 763 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #yolov5

这篇博客介绍了如何利用LabelImg工具进行图像数据的标注，详细步骤包括安装LabelImg，定义类别并打标签。接着，通过Python脚本将数据集按二八原则划分为训练集和验证集。然后，讲述了如何克隆YOLOv5项目，下载预训练权重，修改配置文件，并启动训练。最后，展示了训练过程的TensorBoard可视化以及模型推理验证的过程和结果。

1、利用labelimg打标签

labeling安装：

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

VOC2007的目录结构为：

├── VOC2007
│├── images  存放需要打标签的图片文件
│├── YOLOLabels  存放标注的标签文件
│├──predict.txt 定义自己要标注的所有类别

然后在 predict.txt 这个txt文档里面输入定义的类别种类，如下图所示。

输入如下的命令打开labelimg工具，打开image文件夹，初始化predict.txt里面定义的类。

labelimg images predict.txt

运行如上的命令就会打开这个工具，如下：

标签打完以后可以去YOLOLabels 文件下看到标签文件已经保存在这个目录下

2、将数据集划分为训练集与验证集

二八原则划分：

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
import random
from shutil import copyfile

TRAIN_RATIO = 80


def clear_hidden_files(path):
    dir_list = os.listdir(path)
    for i in dir_list:
        abspath = os.path.join(os.path.abspath(path), i)
        if os.path.isfile(abspath):
            if i.startswith("._"):
                os.remove(abspath)
        else:
            clear_hidden_files(abspath)


wd = os.getcwd()
data_base_dir = os.path.join(wd, "VOCflash/")
if not os.path.isdir(data_base_dir):
    os.mkdir(data_base

最低0.47元/天解锁文章