Faster-rcnn训练自己的数据

本文详细记录了使用Faster-RCNN进行目标检测的数据集准备及训练流程,包括图片重命名、使用LabelImg进行标注、数据集划分及模型训练与测试等关键步骤。

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

这个记录下faster-rcnn训练自己的数据集的步骤,防止遗忘。
1.标注工具采用labelimg
具体过程如下:
对图片重命名

import os
movie_name = os.listdir('/home/lzh/lamp')
i=24
for temp in movie_name:
    new_name = "2018_%06d.jpg" % i
    i+=1
    os.rename('./lamp/'+temp,'./lamp/'+new_name)

使用这个环境
source activate labelme

在这个路径下面:
/home/anaconda3/lib/python3.6/site-packages/labelImg
运行:Python labelImg.py 打开标注工具

将图片放在
/Home/FasterRCNN_KERAS/data/voc2012/JPEGImages
将xml文件放在
/Home/FasterRCNN_KERAS/data/voc2012/Annotations

运行create.py去分割数据集

运行tarin_frcnn.py训练,test_frcnn测试即可
在这里插入图片描述在这里插入图片描述

评论 3
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