YOLO数据集的制作

目录

一、数据集处理部分

（1）一定要注意数据集的制作的多角度

（2）数据集的优化

二、数据集打标签建议

（1）打标签应用

（2）一些问题

---

一、数据集处理部分

数据集的制作是识别训练模型最为关键的一点，并且在我的实际操作过程中发现有几大注意要点（一般人可不会告诉你哦）

（1）一定要注意数据集的制作的多角度

以垃圾识别为例，在拍摄时一定要多角度多方位的拍摄多组照片，包括一个垃圾的360°照片和在托盘上的所有方位（位置点）照片。因为垃圾掉落下去具有不确定因素，可能在托盘停稳后落在托盘上的各个方位并且旋转成为各个角度，给目标检测带来不确定性。（为了更好的模拟识别环境，我选择在摄像头固定好位置后在树莓派上拍摄照片，以追求更好的仿真性）

以下是我在树莓派上运行的拍照程序（程序运行后将会逐帧保存拍摄照片——保存在images文件夹里，打标签时可以从树莓派里提取出来）

import cv2
from threading import Thread
import uuid
import os
import time
count = 0
def image_collect(cap):
    global count
    while True:
        success, img = cap.read()
        if success:
            file_name = str(uuid.uuid4())+'.jpg'
            cv2.imwrite(os.path.join('images',file_name),img)
            count = count+1
            print("save %d %s"%(count,file_name))
        time.sleep(0.4)
 
if __name__ == "__main__":
    
    os.makedirs("images",exist_ok=True)
    
    # 打开摄像头
    cap = cv2.VideoCapture(0)
 
    m_thread = Thread(target=image_collect, args=([