COCO2017数据集结构说明(时常更新)

  1. 与YOLOV5文件夹分开放置,如下图所示:

在这里插入图片描述

  1. COCO数据集内部的文件夹如下图:

在这里插入图片描述
3. annotations文件夹下的内容如下:

在这里插入图片描述
4. images文件夹下的内容如下:

在这里插入图片描述
4.1 train2017文件夹下为图片,val2017文件夹下也为图片,内容如下:
在这里插入图片描述
一共有118287张图片;

在这里插入图片描述
一共有5000张图片。

5 . labels文件夹的内容如下:

在这里插入图片描述

5.1 train2017 与 val2017文件夹中的内容为标签,内容分别如下:
在这里插入图片描述
一共有117266个标注文件,说明有部分图片没有被标注,需要后续程序的处理,YOLOv5做了对应的处理。

在这里插入图片描述
一共有4952个标注文件,说明也存在部分未被标注的文件。

6 . train2017.cache 与 val2017.cache 是 YOLOV5运行后筛选数据后产生的缓存文件,前期没有。

7 . 将数据存到服务器中的格式与上述格式保持一致,就不会出错,结果如下图所示:

在这里插入图片描述
后续将会更新COCO数据集文件的筛选过程,未完待续!

版权声明:本文为CSDN博主「习惯了看孤独的风景」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/u012997755/article/details/110940696

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

实战深度学习目标检测:RCNN (1)

深度学习目标检测:RCNN 什么是目标检测?目标检测主要是明确从图中看到了什么物体?他们在什么位置。传统的目标检测方法一般分为三个阶段:首先在给定的图像上选择一些候选的区域&#xff0c

目标检测-数据处理常用脚本文件

目标检测中一些对数据集的处理脚本 解释说明: 该部分脚本是作者在做目标检测算法时所用到的一些数据集的处理脚本。脚本主要包含以下内容 将xml数据转换为coco数据数据集的划分,分别有传统的划分方式和按照类别进行划