YOLOv5数据集划分

简介: 深度学习,数据集是必不可缺的,在收集到数据集之后,要进行数据集划分处理

数据集标注是深度学习项目中不可获取的一部分,下文从划分数据集到利用标注一条龙讲解

数据集划分

1.以YOLO为例先新建一个文件夹把数据集(图片全部放入)
2.然后新建两个文件夹分别存放数据集(images)和标签(labels)
3.概按照3:1的比例把图片划分为两个文件夹一个为训练集一个为验证集
4.然后在标签的文件夹里分别新建两个文件夹对应于图片文件夹的训练集和验证集
具体文件夹关系如下
在这里插入图片描述

目录
相关文章
【yolo训练数据集】标注好的垃圾分类数据集共享
【yolo训练数据集】标注好的垃圾分类数据集共享
1766 102
【yolo训练数据集】标注好的垃圾分类数据集共享
|
5月前
|
机器学习/深度学习 开发工具 计算机视觉
YOLOv8 目标检测 | 自定义数据集
YOLOv8 目标检测 | 自定义数据集
|
机器学习/深度学习 算法 数据挖掘
YOLOv6 | 模型结构与训练策略详细解析
YOLOv6 | 模型结构与训练策略详细解析
1707 0
YOLOv6 | 模型结构与训练策略详细解析
|
5月前
|
XML 数据格式 Python
Labelimg标注自己的数据集,及如何划分训练集和验证集,应用于Yolov5
Labelimg标注自己的数据集,及如何划分训练集和验证集,应用于Yolov5
878 0
|
数据处理 计算机视觉 Python
【目标检测】指定划分COCO数据集训练(车类,行人类,狗类...)
【目标检测】指定划分COCO数据集训练(车类,行人类,狗类...)
3325 0
|
存储 大数据 Linux
基于 YOLOv8 的自定义数据集训练
基于 YOLOv8 的自定义数据集训练
|
网络安全 开发工具 网络架构
YOLOV7详细解读(四)训练自己的数据集
YOLOV7详细解读(四)训练自己的数据集
738 0
|
XML 数据格式 计算机视觉
|
PyTorch 算法框架/工具
EfficientNet 训练自己的分类数据集
EfficientNet 训练自己的分类数据集
EfficientNet 训练自己的分类数据集