K210官网云端目标检测模型训练-使用vott进行图像标注一

之前一直数据集无效,一度企图在Ubuntu下进行本地模型训练,结果发现这个更难顶,每天都是套娃小王子。今天我终于云端训练成功了!!!
在这里插入图片描述

官网链接

Maixhub 模型训练平台
Maixhub 模型训练平台使用说明

vott安装

vott安装包

MaixPy IDE安装

MaixPy IDE 安装包
提取码:8ykb

照片采集

一开始我用的是手机拍的做模型,可以用,但是精确度不如直接用K210拍摄的好。
需要注意的一点就是分辨率,我采用的是224x224,通过按开发板上面的两个KEY进行照片的拍摄和图像类别的增加,并把他们采集到SD卡。
脚本链接:照片采集脚本
注意!!!图片命名一定要从0开始,因为命名问题,上传数据集时总是报错,找了好久才找到问题,名字命名也不要整什么花里胡哨的就0、1、2这样的就行了,给你们看看我的惨痛经历。
在这里插入图片描述
在这里插入图片描述
正确做法:
在这里插入图片描述

目标检测: 每类图片数量不低于100张, 我是采集了200多张。

图片处理——修改分辨率

图片处理软件链接:图片处理工具
在这里插入图片描述

image软件界面中,先选择输出分辨率大小,其中224代表224x224,240代表240x240,这里选择224,然后点击“选择图像文件夹开始转换”,选择自己的图片文件夹即可。转换完成后,就会出现一个以_out结尾文件夹,后面就会使用这个文件夹。

使用vott进行图像标注

点击New Project新建项目
在这里插入图片描述
填写打星号的部分
其中source connection是需要标注的文件
target connection是标注完的图像存储的文件
在这里插入图片描述
点击 add connection添加文件路径
在这里插入图片描述
填写tags标签名字
在这里插入图片描述

设置Export Setting

在这里插入图片描述
进行图像的标注
在这里插入图片描述
图像全部标注完成后点击,不要中途点击!!!之前我理解错意思了,做一张点一次,太痛苦了。
在这里插入图片描述

这个就是输出的标注好的文件压缩打包就可以上传云端训练了。
在这里插入图片描述
训练时间还是有点长的,让我们来看看效果吧
在这里插入图片描述
这样就完成了。
在这里插入图片描述

版权声明:本文为CSDN博主「花若柳絮迎风起」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/qq_44796372/article/details/116605646

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

YOLOv4 介绍及其模型优化方法

YOLOv4 介绍及其模型优化方法一、YOLOv4 介绍2020 年 4 月,YOLOv4 在悄无声息中重磅发布,在目标检测领域引起广泛的讨论。在 YOLO 系列的原作者 Joseph Redmon 宣布退出 CV

火灾烟雾检测数据集

火灾烟雾检测数据集(群名:火灾烟雾检测) 1. CVPR Lab ——KMU Fire and Smoke database(视频数据,可直接下载) http