网站建设费钱吗永久免费素材网站

当前位置： 首页 > news >正文

网站建设费钱吗,永久免费素材网站,wordpress 增加收录,phpcms手机网站怎么做文章目录 1、数据集介绍1.1、数据集图片组成2.1、获取数据集方式 2、扩展代码2.1、文件结构树2.2、划分数据集2.3、获取数据集文件名字2.4、文件成功对应检测 3、其他文章 1、数据集介绍 1.1、数据集图片组成 【有害垃圾】#xff1a;电池#xff08;1 号、2 号、5 号… 文章目录 1、数据集介绍1.1、数据集图片组成2.1、获取数据集方式 2、扩展代码2.1、文件结构树2.2、划分数据集2.3、获取数据集文件名字2.4、文件成功对应检测 3、其他文章 1、数据集介绍 1.1、数据集图片组成 【有害垃圾】电池1 号、2 号、5 号、过期药品或内包装等【可回收垃圾】易拉罐、小号矿泉水瓶【厨余垃圾】小土豆、切过的白萝卜、胡萝卜尺寸为电池大小【其他垃圾】瓷片、鹅卵石小土豆大小、砖块等。 部分类别图片展示 文件结构 —-ImageSet|—-classes.txt # 标签种类|—-data-txt\ # 数据集文件集合| |—-test.txt| |—-train.txt| |—-val.txt|—-images\ # 数据集图片| |—-test| | |—-fimg_23.jpg| | |—-fimg_38.jpg| | |—-…..| |—-train| | |—-fimg_1.jpg| | |—-fimg_2.jpg| | |—-…..| |—-val| | |—-fimg_4.jpg| | |—-fimg_6.jpg| | |—-…..|—-labels\ # yolo标签| |—-test| | |—-fimg_23.txt| | |—-fimg_38.txt| | |—-…..| |—-train| | |—-fimg_1.txt| | |—-fimg_2.txt| | |—-…..| |—-val| | |—-fimg_4.txt| | |—-fimg_6.txt| | |—-…..2.1、获取数据集方式 点击这里下载本文生活垃圾数据集 2、扩展代码 2.1、文件结构树 draw-tree.py from pathlib import Path import ostree_str
def generate_tree(pathname, n0):global tree_strif pathname.is_file():tree_str | * n - * 4 pathname.name \nelif pathname.is_dir():tree_str | * n - * 4 \str(pathname.relative_to(pathname.parent)) \ \nfor cp in pathname.iterdir():generate_tree(cp, n 1)if name main:pathos.getcwd()/ImageSet # 查看当前ImageSet目录下的文件树generate_tree(Path(path), 0)print(tree_str) 2.2、划分数据集 split-data.py import os, shutil, random from tqdm import tqdm 标注文件是yolo格式txt文件 训练集验证集测试集 721 def split_img(current_path,img_path, label_path, split_list):try:Data current_path/ImageSets# Data是你要将要创建的文件夹路径路径一定是相对于你当前的这个脚本而言的# os.mkdir(Data)train_img_dir Data /images/trainval_img_dir Data /images/valtest_img_dir Data /images/testtrain_label_dir Data /labels/trainval_label_dir Data /labels/valtest_label_dir Data /labels/test# 创建文件夹os.makedirs(train_img_dir)os.makedirs(train_label_dir)os.makedirs(val_img_dir)os.makedirs(val_label_dir)os.makedirs(test_img_dir)os.makedirs(test_label_dir)except:print(文件目录已存在)train, val, test split_listall_img os.listdir(img_path)all_img_path [os.path.join(img_path, img) for img in all_img]train_img random.sample(all_img_path, int(train * len(all_img_path)))train_img_copy [os.path.join(train_img_dir, img.split(\)[-1]) for img in train_img]train_label [toLabelPath(img, label_path) for img in train_img]train_label_copy [os.path.join(train_label_dir, label.split(\)[-1]) for label in train_label]for i in tqdm(range(len(train_img)), desctrain , ncols80, unitimg):_copy(train_img[i], train_img_dir)_copy(train_label[i], train_label_dir)all_img_path.remove(train_img[i])val_img random.sample(all_img_path, int(val / (val test) * len(all_img_path)))val_label [toLabelPath(img, label_path) for img in val_img]for i in tqdm(range(len(val_img)), descval , ncols80, unitimg):_copy(val_img[i], val_img_dir)_copy(val_label[i], val_label_dir)all_img_path.remove(val_img[i])test_img all_img_pathtest_label [toLabelPath(img, label_path) for img in test_img]for i in tqdm(range(len(test_img)), desctest , ncols80, unitimg):_copy(test_img[i], test_img_dir)_copy(test_label[i], test_label_dir)def _copy(from_path, to_path):shutil.copy(from_path, to_path)def toLabelPath(img_path, label_path):img img_path.split(\)[-1]label img.split(.jpg)[0] .txtreturn os.path.join(label_path, label)if name main:current_pathos.current_path()img_path current_path/images # 你的图片存放的路径路径一定是相对于你当前的这个脚本文件而言的label_path current_path/labels # 你的txt文件存放的路径路径一定是相对于你当前的这个脚本文件而言的split_list [0.7, 0.2, 0.1] # 数据集划分比例[train:val:test]split_img(current_path,img_path, label_path, split_list)2.3、获取数据集文件名字 list_name.py import os 整体目录 —-ImageSets|—-images\ | |—-test\ | |—-train| |—-val\ |—-labels\ | |—-test\ | |—-train| |—-val\ def generate(current_path):# 存放图片的路径 这里images下面分别有train,test和val文件夹for item in os.listdir(current_path):files_pathcurrent_path/itemfiles os.listdir(files_path) # 全部的图片名称files.sort()print*************printinput :, itemprintstart…# 打开train.txtitem_txtImageSets/data-txt/item.txtlistText open(item_txt, a)for file in files:# 具体图片存放路径,如 data/images/train/1.jpgname data/images/item/file \nlistText.write(name)listText.close()printdown!print*************if name main:current_pathos.getcwd()/ImageSets/images # # 查看当前ImageSet\images目录下各个文件的名字generate(current_path)2.4、文件成功对应检测 del-error-files.py用于获取数据集文件后检测images文件和labels文件是否都一一对应上。 创建.py文件放在mages文件和labels同目录下运行 import oscurrentPathos.getcwd() currentPathcurrentPath print(currentPath) labelArray[] imagesArray[]def split_extension(fileName):return fileName.split(.)[0]print(自检程序启动查找到labels目录下异常文件) error_label_names [] for la_name in os.listdir(labels):la_name split_extension(la_name)is_exists Falsefor im_name in os.listdir(images):im_name split_extension(im_name)if la_name im_name:is_exists Trueif not is_exists:error_la_name la_name .txterror_label_names.append(error_la_name)labelArray.append(error_la_name)print(error_la_name)print(自检程序启动查找到images目录下异常文件) error_image_names [] for im_name in os.listdir(images):im_name split_extension(im_name)is_exists Falsefor la_name in os.listdir(labels):la_name split_extension(la_name)if la_name im_name:is_exists Trueif not is_exists:error_im_name im_name .jpgerror_image_names.append(error_im_name)print(error_im_name)imagesArray.append(error_im_name)# 自动删除文件 def delLabels():for item in labelArray:labelPathcurrentPath/labels/itemos.remove(labelPath)print(labelPath\t删除成功)def delImages():for item in imagesArray:imagesPathcurrentPath/images/itemos.remove(imagesPath)print(imagesPath\t删除成功) if name main:delLabels()delImages()3、其他文章 双向控制舵机树莓派版YOLOv5s网络模型讲解(一看就会) 参考文献 【yolo训练数据集】标注好的垃圾分类数据集共享 基于YOLOv8分割模型实现垃圾识别 TACO垃圾图像数据集