yolo-开源数据集coco kitti voc

最新推荐文章于 2025-06-20 16:54:27 发布

weixin_33862188

最新推荐文章于 2025-06-20 16:54:27 发布

阅读量530

点赞数

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/llfctt/p/9039166.html

本文详细介绍如何将Kitti数据集转换为VOC格式，包括下载数据及标签、创建文件夹结构、类别转换、标签信息转XML等步骤，并提供转换脚本资源。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、kitti数据集（参考博客：https://blog.youkuaiyun.com/jesse_mx/article/details/65634482 https://blog.youkuaiyun.com/baolinq/article/details/78939192）
（1）下载数据集和标签，下载第1个图片集 Download left color images of object data set (12 GB)和标注文件 Download training labels of object data set (5 MB)
（2）转化成VOC格式的数据集：
     a:新建文件夹Annotation（存放xml文件）、ImageSets（存放一个Main文件夹用来存放各类的train.txt test.txt val.txt）和JPEGImages（存放所有带有标签的图片）。
     b:类别转化，使用参考修改后的工具modify_annotations_txt.py，修改原始kitti标签，使得labels中的txt文件只包含我们需要的类别（注意该步会直接修改labels中的标签，请做好备份）。
     c:将转换后labels下的txt标注信息转化成xml格式，并存储在Annotation文件夹下面，使用工具文件txt_to_xml.py。
     d:生成训练\验证\测试集列表(生成比例可修改，目前按8:1:1生成)，使用工具create_train_test_txt.py，文件保存在ImageSets文件夹Main下。
     e:根据Annotation，使用工具create_kitti_label.py生成最终的labels文件夹和训练、测试列表（先删除b步下的labels文件夹）

2、VOCdevkit数据集（VOC2007、VOC2012）
参考脚本：create_voc_label.py 即可

3、coco数据集制作
参考脚本：create_coco_label.py 即可

以上脚本见github：https://github.com/llf10811020205/yolo_learn

转载于:https://www.cnblogs.com/llfctt/p/9039166.html