- YOLO实践之通用数据集格式介绍与私有数据集制作@程宏 @刘伟鸿 @李欣桓
- 主要计算机视觉任务和典型的数据集介绍
- VOC 数据集（20 classes）与VOC格式
- VOC2007 和 VOC2012
- ultralytics中VOC 数据集 YAML 配置
- 数据集下载和转换
- VOC数据组织形式（VOC格式）
- VOC格式转YOLO格式
- COCO （80 classes）
- ultralytics中COCO数据集的下载与YAML介绍
- VOC和COCO示例图像和注释
- YOLO格式数据集
- VOC格式转YOLO格式
- 实操教程中的数据集处理
- Pytorch_YoLo_From_Scratch系列教程中对数据集的处理
- 基于VOC完整数据集的YOLOV1手撸实战 @飞书用户5531 @飞书用户8611
- 训练结果
- 项目文件结构
- VOC数据集下载
- 数据集组织与标签转换
- 自制VOC 小型toy数据集实战 @飞书用户5531
YOLO实践之通用数据集格式介绍与私有数据集制作@程宏 @刘伟鸿 @李欣桓
YOLO实践之通用数据集格式介绍与私有数据集制作@程宏 @刘伟鸿 @李欣桓
4月2日修改
本文讨论了计算机视觉任务和典型数据集，着重介绍VOC和COCO数据集，还涉及数据集处理、格式转换及模型微调等内容。关键要点包括：
1.
主要计算机视觉任务及数据集：常见任务有图像分类、目标检测等，各任务有其关键数据集，如目标检测的COCO、VOC 。
2.
VOC数据集：用于对象检测等任务，有VOC2007和VOC2012两个主要子集，含20个对象类别，有标准化评估指标。数据分train、Validation、test子集，其YAML配置含路径等信息，可下载和转换格式。
3.
COCO数据集：用于对象检测等研究，有330K张图像，80个对象类别，提供标准化评估指标。数据集分Train2017、Val2017、Test2017 ，YAML配置类似VOC ，标注存于一个json文件。
4.
VOC和COCO示例及模型微调：两数据集图像多样，训练可用马赛克技术。在ultralytics中可基于COCO或VOC微调模型 。
5.
YOLO格式数据集处理：可对私有数据集进行格式转化、合并和采样等处理，结合工具自动打标，训练自定义模型。
6.
Pytorch_YoLo_From_Scratch系列教程：计划手撸多个YOLO版本模型，共用数据pipeline ，在关键数据集上精度对齐。
7.
VOC数据集项目操作：通过脚本下载、组织数据集，转换标签格式，还可自制小型toy数据集 。
🍞
YoLo Master项目
•
本文介绍了主要计算机视觉任务和典型的数据集，着重介绍了VOC和COCO数据集，并对实战教程中的数据集处理进行了详细的讲解
关联文档：
1.
YOLO实践之数据集合并与自动打标 @李欣桓 @程宏 GitHub 在本章教程中，我们选取的示例数据集来自鱼眼镜头_智能销售数据集 和饮料数据集两个数据集，我们会对两个数据集进行格式转化处理，合并和采样，来手把手的教大家如何进一步的处理私有数据集，并训练自定义模型（YOLOv8m），结合打标工具X-AnyLabeling进行自动打标。
飞书用户9928
飞书用户8611
2.
YOLO系列算法实操教程
a.
YOLO系列入门实操教程【ultralytics YOLOv8m】 GitHub【Stanford Dogs Dataset basic tutorial with YOLOv8m】快速上手基于ultralytics YOLOv8m，并完成一个狗品种检测的实战项目。数据集来源于Stanford Dogs Dataset
飞书用户8611
飞书用户3472