少年歌行更新时间高速免费通行时间（⽬标检测）①数据集的建⽴（拍摄收集、数据集标注）⽬录
这⼀系列的博客将会帮助我⾃⼰（和⼤家）认识并熟悉——如何使⽤YOLO训练⾃定义的数据集，同时如何部署到Windows以及Linux上，下⾯有请我的检测⽬标——拉拉猪！
在建⽴数据集之前，我从⽹络上收集了⼀些资料——关于如何建⽴⼀个有效的数据集，⽐如图像数据集的数量，检测⽬标的位置、⼤⼩、⽅向，甚⾄是光线、背景等等其他因素的影响，⼿机出来的资料我总结如下：
1. 从不同的背景中拍摄不同⾓度⽅向的⽬标图像：图像数据集中，检测的对象必须⾄少有⼀个相似的差不多相同的形状、侧⾯的对象、
相对⼤⼩、旋转⾓度、倾斜、照明……
2. 保证采集的数据的质量，⼤⼩最好和使⽤场景的尺⼨接近，尽量在该场景下采集数据的多样性，尽量采集⾃然场景下的各种各样的照
⽚
3. 数据集的数量越多越好（1000+/2000+），普遍来说，应该是有2000+，训练迭代2000+或更多
4. 数据集中既要包括想要检测的物体，也要包括不想检测的物体，但是标注的话只标注想要检测的物体
5. 如果是多个类检测的话，那么各个⽬标检测的类在你的数据中出现的次数差不多
6. ⽬标所被标记部分是按照你希望如何被检测到的⽅式去标记（⽐如只检测⼀半、可重叠区域、⽐整个物体⼤⼀点……）
7. 确保要检测的每个对象在训练集中都被标记
8. 制作数据集你可以通过爬⾍的⽅式来获取图像，也可以拍摄⼀段视频然后截取包含⽬标的图像
9. 可以通过图像增强的⽅法来提升数据集的数量
⼀、拍摄收集
（⼀）视频拍摄
从以上的⽅⾯中考虑，我希望制作⼀个数据集：（由于是⼀个⽐较简单的⽬标——图像的数据量在600张左右）背景⼀（桌⾯上）：光线不太强、拍摄较近、拍摄各个⾓度（60s-60张）
背景⼆（拿⼿上）：光纤适合、拍摄各个⾓度（60s-60张）拉杆箱排名
背景三（被⼦上）：光纤不太强（有阴影）、拍摄各个⾓度、远近结合（60s-60张）
背景四（有⼀个差不多的物体在旁边）：拍摄各个⾓度（60s-60张）
背景五：强光照射、拍摄各个⾓度（60s-60张）
背景六：弱光微射、拍摄各个⾓度（60s-60张）
背景七（稍微变形）：拍摄各个⾓度（60s-60张）
梦幻西游炼妖技巧背景⼋（粉⾊背景）：拍摄各个⾓度（60s-60张）
背景九（键盘上）：拍摄较远、拍摄各个⾓度（60s-60张）
于是，我⽤⼿机拍摄了拉拉猪的⼀系列的视频：
（⼆）将MP4⽂件截取出图⽚
需要注意的是：名字要从1开始⼀直往后，如果不是⾃⼰截取的图⽚，那么可以通过看图软件对⽂件名批量修改名称（⽹上说：2345看图王可以）
import cv2
import os
# 视频的帧数为30，那么60s的视频⼀共有1800帧，选择60张照⽚，则选择每隔30帧选⼀张
path_video = "E:/work/VOC2021/videos/拉拉猪 ("
form = ").mp4"
save_pictures = "E:/work/VOC2021/JPEGImages/"
count = 0
大报恩寺琉璃塔for num in range(1,10):
# 视频数量⼀共是9个
path_cv = path_video + str(num) + form
vc = cv2.VideoCapture(path_cv)
i = 0
while vc.isOpened():
rval, img = vc.read()
frame_count = vc.get(cv2.CAP_PROP_FRAME_COUNT) # 视频⽂件的帧数
frame_fps = vc.get(cv2.CAP_PROP_FPS) # 视频⽂件的帧率
if i==frame_count:
break
else:
i=i+1
if i % int(frame_count/60) == 0: #选取60照⽚
count = count + 1
# 图⽚命名及保存路径
filename=str(count)+".jpg"
cv2.imwrite(save_pictures+filename,img)
print("第{}个视频截取图⽚完毕！".format(num))
# 释放资源
cv2.destroyAllWindows()
注意：图⽚保存的位置不能有中⽂字符，否则⽣成的图⽚将不到
最后的结果如下：
然后建⽴如下所⽰的⽂件⽬录结构：
VOC：Visual Object Classes
⼆、数据集标注
接下来就是对541张照⽚进⾏图⽚标注了，这⼀步⼀张图⽚都不能少，我们所⽤的软件是LabelImg
软件分享：
界⾯：
1、打开图⽚所在的⽂件夹
玉米面发糕的做法2、修改输出⽂件夹
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论