标记数据以便在自定义数据集上训练 YOLOv5 模型
Labelling data in order to train a YOLOv5 model on a custom dataset
我使用源代码 (ModifiedOpenLabelling) 为训练 YOLOv5 对象检测标记我的图像。
问题是在对图像进行标注后，我尝试在 roboflow 中训练模型，但无法使用图像的标注。
我的注释在一个 txt 文件中，格式如下：
2 0.3107142857142857 0.5509554140127388 0.30714285714285716 0.89171974522293
1 0.9696428571428571 0.39331210191082805 0.060714285714285714 0.7292993630573248
1 0.7241071428571428 0.5047770700636943 0.23035714285714284 0.9713375796178344
1 0.07946428571428571 0.4968152866242038 0.15892857142857142 0.9745222929936306
1 0.4982142857142857 0.5031847133757962 0.17857142857142858 0.9617834394904459
当我尝试在 roboflow 中上传时，显示消息：
请添加您的 labelmap 文本文件（如果有的话）以将数字 class 标识符转换为人类可读的名称。
有谁知道进行这种转换的最佳方法是什么，或者我如何制作标签图？
这篇文章解释了标签图：https://blog.roboflow.com/label-map/
我建议创建一个“data.yaml”文件。请务必更新对“训练”和“验证”集文件夹的文件夹路径的引用；确保“nc”（类 的数量）字段与数据集中的 类 的数量匹配；并更新列表中的标签名称。
另一种选择是将图像上传到 Roboflow，使用 Modify Classes to generate a version of the dataset with the class names you desire, and continue your project from there, or export the Modified Classes dataset version to a new project 并从那里继续使用永久的“新”标签名称。
此外，我强烈建议继续在 Roboflow 上标记新项目，因为我们能够摄取和转换带有 26 种不同格式注释的数据集：https://roboflow.com/formats
- Converting Annotation Formats（Roboflow 博客）
我使用源代码 (ModifiedOpenLabelling) 为训练 YOLOv5 对象检测标记我的图像。
问题是在对图像进行标注后，我尝试在 roboflow 中训练模型，但无法使用图像的标注。
我的注释在一个 txt 文件中，格式如下：
2 0.3107142857142857 0.5509554140127388 0.30714285714285716 0.89171974522293
1 0.9696428571428571 0.39331210191082805 0.060714285714285714 0.7292993630573248
1 0.7241071428571428 0.5047770700636943 0.23035714285714284 0.9713375796178344
1 0.07946428571428571 0.4968152866242038 0.15892857142857142 0.9745222929936306
1 0.4982142857142857 0.5031847133757962 0.17857142857142858 0.9617834394904459
当我尝试在 roboflow 中上传时，显示消息： 请添加您的 labelmap 文本文件（如果有的话）以将数字 class 标识符转换为人类可读的名称。
有谁知道进行这种转换的最佳方法是什么，或者我如何制作标签图？
这篇文章解释了标签图：https://blog.roboflow.com/label-map/
我建议创建一个“data.yaml”文件。请务必更新对“训练”和“验证”集文件夹的文件夹路径的引用；确保“nc”（类 的数量）字段与数据集中的 类 的数量匹配；并更新列表中的标签名称。
另一种选择是将图像上传到 Roboflow，使用 Modify Classes to generate a version of the dataset with the class names you desire, and continue your project from there, or export the Modified Classes dataset version to a new project 并从那里继续使用永久的“新”标签名称。
此外，我强烈建议继续在 Roboflow 上标记新项目，因为我们能够摄取和转换带有 26 种不同格式注释的数据集：https://roboflow.com/formats
- Converting Annotation Formats（Roboflow 博客）