1.学习中有不懂的知识点不用太深入了解钻牛角尖慢慢往后学知识是非线性的可能学到第四章会弄懂第二章的知识会对前面的知识有所了解它是需要一个时间的学完对整个的框架有个了解就可以了。2.看视频是比较好的一种学习方式知识密度比较大。目录一、什么是目标检测二、目标检测常用的数据集2.1常见的目标检测数据集编辑2.2VOC数据集2.3COCO数据集2.4标注自己的数据集labelImglabelStudiolabelme一、什么是目标检测二、目标检测常用的数据集2.1常见的目标检测数据集2.2VOC数据集数据集下载 VOC2007 和VOC20122.3COCO数据集我们在训练模型的时候一般分为3个类别数据集训练数据集、验证数据集、测试数据集训练数据集就是给模型训练训练完一段时间之后拿验证数据集来检验模型的训练效果一般用模型在验证集上的效果来评估模型的好坏以及我们要不要干涉他进行参数的调优在实际的使用过程中这个数据集叫测试数据集一般在竞赛当中不会提供测试数据集的标注标注只有竞赛方有希望大家把模型上传上去之后大家一起在测试数据集上去看一下效果谁的效果好就说明这个模型能力比较高。竞赛方一般不对测试数据集进行公布。下载2017数据集 量多COCO的标注文件结构可以用网站xiaotudui.com的工具查看json格式的标准文件 的具体结构YOLO标注格式可以可视化看一下可下载看一下VOC和COCO数据集用在科研上比较多用来比较不同模型在相同数据集上的效果。但在实际应用过程中场景不一定和VOC、COCO场景一样需要自己采集数据、自己做数据集的标注。2.4标注自己的数据集1.采集自己的数据集 这里用了视频资料的数据集下载下来 只包括train和val的图片。未标注。注这里把文件名改成了 train vallabelImg利用标注工具来标注数据集 labelimg它的好处就是双击就可以运行然后进行标注了别的工具还需要配环境、运行命令行什么的下载地址labelImg下载安装完成后打开安装文件修改预定义类别打开labelImg注COCO的标注格式不常用因为所有的标注在一个文件里一般标注成VOC或YOLO格式后用脚本转化成COCOlabelStudiolabelStudio是可以互相协作的一个工具比如我把所有的数据集放到一台电脑上其他人可以通过网址访问这台电脑不同的人可以负责标注其中的一部分数据集。labelStudio需要python虚拟环境。python虚拟环境Anaconda是常用的python虚拟环境比如环境一里面装了1、2、3这些库环境二里面装了4库虚拟环境保证这些库不相互影响。1.下载安装Anaconda见作者其他文章。2.创建虚拟环境一个局域网中一个局域网就是大家都连的是同一个wifi只要有一台电脑起了一个label-studio的网站这个局域网的其他电脑都可以通过ip地址访问这个label-studio大家就可以协同工作了。比如在本机上起了一个labelstudio的网站查看本机ip地址或者命令提示符中输入ipconfig另外一个同学在另一台电脑上注册账号组织里面也可以看到都有谁这样大家都可以访问这个项目了有同学可以标记前面一部分有同学可以标记后面一部分有同学可以校验。使用方法上面的操作也可以在新建项目时同时设置如图导出本地挂载或者网盘挂载把数据集拷到别的盘 再重新复制地址解决ctrlc终止之前的命令行- 设置变量为true- 重新启动labelstudio启动后重新设置注查看VOC类别的方法可设置快捷键使用快捷键可以提高效率注labelstudio导出的时候有时候会在文件前面加一串数字哈希值是labelstudio不同项目的一个保护防止多个项目中存在相同的文件名这个不用管不影响使用也删不了labelme安装安装慢可以使用清华镜像加速即从大陆服务器下载前面讲的labelimg也可以通过这种方式安装labelme安装方式2使用labelme实现点击下一张自动保存labelme到YOLO格式的转换工具安装labelme2yolo使用使用labelme的话需要格式转换推荐大家使用labelImg或者labelStudio。注更新中。