数据集

数据集格式

数据集格式种类

• yolo：每张图片对应一个 .txt 标签文件，内容为类别编号和归一化的边界框坐标。
• voc：每张图片对应一个 .xml 标签文件，内容为类别和边界框坐标。
• coco：每张图片对应一个 .json 文件，内容为类别和边界框坐标。

voc 格式

coco 格式

yolo 格式

dataset/
├── images/
│   ├── train/
│   └── val/
├── labels/
│   ├── train/
│   └── val/
└── data.yaml

• images/train/ 和 images/val/ 目录下存放训练和验证图像；
• labels/train/ 和 labels/val/ 目录下存放对应的标签文件，标签文件格式为 YOLO 格式（每行一个对象，格式为 class_id center_x center_y width height，所有值都是相对于图像宽高的比例）； 例如：

bash 0 0.5 0.5 0.1 0.1 # 0是类别ID，0.5是中心点x坐标，0.5是中心点y坐标，0.1是宽度，0.1是高度

• data.yaml 文件包含数据集的配置信息，如类别名称和图像路径。

yaml train: dataset/images/train # 训练集图像路径 val: dataset/images/val # 验证集图像路径 nc: 3 # 类别数量 names: ['cat', 'dog', 'person'] # 类别名称列表

数据集制作

数据采集

可以使用手机、相机等设备拍摄图片

图片尺寸的要求： - 图片尺寸建议为32的倍数（如320、352、384、416、448、480、512、544、576、608、640等），因为YOLO网络结构中有多次下采样操作，使用32的倍数可以避免尺寸不匹配的问题 - YOLO训练时会自动将图片resize到imgsz参数指定的尺寸（如640×640），不需要手动统一图片大小。如果图片为1920x1080，会等比缩放为640x360，再填充成640x640，但是这样分辨率会降低，细节损失较多 - 训练和推理时的图片尺寸最好一致

数据集划分

一般将数据集划分为训练集、验证集，常见的比例为：训练集占80%，验证集占20%。数据集较小时，可以适当提高验证集比例，如70%训练集，30%验证集

数据标注

使用LabelImg工具制作voc/yolo格式数据集：

1. 下载：LaabelImg
2. 在data目录的predefined_classes.txt中添加类别名称
3. 运行LabelImg
4. 在上方菜单栏选择view
5. Auto Save mode 当你切换到下一张图片时，就会自动把上一张标注的图片标签自动保存下来，这样就不用每标注一样图片都按Ctrl+S保存一下了
6. Single Class Mode 单一类别模式
7. Display Labels 标注好图片之后，会把框和标签都显示出来
8. Show/Hide Label Panel 显示/隐藏标签面板
9. Advanced Mode 专家模式：这样标注的十字架就会一直悬浮在窗口，不用每次标完一个目标，再按一次W快捷键，调出标注的十字架
10. 在右侧菜单栏选择图像路径与标签保存路径
11. 选择标注格式：PascalVOC或YOLO
12. 开始标注

数据标注自动化

使用SAM模型分割实现数据标注自动化

SAM模型简介与下载

SAM(Segment Anything Model), 是一种先进的图像分割模型,具有零样本迁移特性，通过给定提示词从而生成有效的分割掩码，将该模型应用于数据标注，可以实现自动画框，大大提高标注效率

使用SAM的分割功能：

分割一切（不提供提示词）：

from ultralytics import SAM
# Load a model
model = SAM("sam_b.pt")
# Display model information (optional)
model.info()
# Run inference
model("path/to/image.jpg")

提供提示词：

# 1. 使用 bbox（框）作为提示进行分割
results = model("ultralytics/assets/zidane.jpg", bboxes=[439, 437, 524, 709])
# 作用：对图片中指定的矩形区域（左上角x=439, y=437，右下角x=524, y=709）进行分割。
# 2. 使用单个点作为提示进行分割
results = model(points=[900, 370], labels=[1])
# 作用：以(900, 370)这个点为正样本（labels=1），分割包含该点的目标。
# 3. 使用多个点作为提示进行分割
results = model(points=[[400, 370], [900, 370]], labels=[1, 1])
# 作用：以两个点(400, 370)和(900, 370)为正样本，分割包含这些点的目标。
# 4. 对每个目标分别用多个点作为提示
results = model(points=[[[400, 370], [900, 370]]], labels=[[1, 1]])
# 作用：对一个目标，使用两个正样本点进行分割。
# 5. 使用正负点混合提示
results = model(points=[[[400, 370], [900, 370]]], labels=[[1, 0]])
# 作用：对一个目标，(400, 370)为正样本点，(900, 370)为负样本点，分割时会排除负样本点所在的区域。

数据增强

YOLO数据增强参考

数据增强是通过对训练数据进行一系列变换来增加数据的多样性，从而提升模型的泛化能力

YOLO已经内置了多种数据增强方法，在train()函数中指定参数即可

思考

• 在训练集中，单一类别数据连续时需要在训练前将训练集打乱吗？
• 需要，因为单一类别数据连续不满足mini-batch梯度下降所依赖的“独立同分布”的基本假设，使得模型的梯度变化剧烈，难以收敛
• 但是如果使用yolo的train()函数且不指定shuffle=False，则程序会自动打乱数据集