VOC格式数据集制作：ImageSets-＞Segmentation文件中的train.txt，test.txt，trainval.txt，val.txt详细制作（详细图文教程）

视觉研坊

已于 2024-12-06 00:15:37 修改

阅读量1.2k

点赞数 1

分类专栏：数据集文章标签：深度学习图像处理计算机视觉

于 2023-08-07 13:30:14 首次发布

本文链接：https://blog.youkuaiyun.com/qq_40280673/article/details/132143751

版权

数据集专栏收录该内容

30 篇文章

订阅专栏

在这里插入图片描述

💪 专业从事且热爱图像处理，图像处理专栏更新如下👇：
📝《图像去噪》
📝《超分辨率重建》
📝《语义分割》
📝《风格迁移》
📝《目标检测》
📝《图像增强》
📝《模型优化》
📝《模型实战部署》
📝《图像配准融合》
📝《数据集》
📝《高效助手》

在这里插入图片描述

一、划分数据集

制作VOC数据集过程中，打好标签后，需要将文件名按照自定义比例划分到训练，验证集，测试集中，下面是详细的划分过程：

在这里插入图片描述

二、代码

2.1 参数修改

通过下面代码进行划分，要正确导入标签所在文件路径和划分后的保存路径，以及自定义训练集，验证集，测试集的划分比例，需要修改的地方见下：

在这里插入图片描述

2.2 代码

代码见下：

import os
import random

random.seed(0)

segfilepath = r'D:\Code\Python\MMsegmentation\Week3_mmseg\mmsegmentation-0.14.0\tools\data\rs128\SegmentationClass'         # 标签文件
saveBasePath = r"D:\Code\Python\MMsegmentation\Week3_mmseg\mmsegmentation-0.14.0\tools\data\rs128\ImageSets\Segmentation/"  # 随机打乱后文件名存放的文件
# ----------------------------------------------------------------------#
#   想要增加测试集修改trainval_percent
#   修改train_percent用于改变验证集的比例
# ----------------------------------------------------------------------#
trainval_percent = 1  # 如果这里赋值为0.1，说明测试集是0.1，不想要测试集就写1
train_percent = 0.8  # 0.8用来做训练集

temp_seg = os.listdir(segfilepath)
total_seg = []
for seg in temp_seg:
    if seg.endswith(".png"):
        total_seg.append(seg)

num = len(total_seg)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

print("train and val size", tv)
print("traub suze", tr)
ftrainval = open(os.path.join(saveBasePath, 'trainval.txt'), 'w')
ftest = open(os.path.join(saveBasePath, 'test.txt'), 'w')
ftrain = open(os.path.join(saveBasePath, 'train.txt'), 'w')
fval = open(os.path.join(saveBasePath, 'val.txt'), 'w')

for i in list:
    name = total_seg[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()