一、前言
作者采用的数据集为作者在百度下载的共享单车图片数据，训练集共计360张（哈啰单车180张，美团单车96张，青桔单车84张），验证集共计25张，覆盖了不同的场景和光照条件。本次对目标数据集进行标注的软件是LabelImg，此软件支持YOLO的标注格式，对新手较为友好。下面我将为大家详细介绍如何从零开始创建属于我们自己的数据集（包括图片数据的下载，标注以及数据集格式）。
二、数据集图片的获取
数据集的获取主要有两种方式，第一种是去数据集网站寻找别人已经标注好的数据集，优点是方便，快捷，省去了很多麻烦，不需要自己再手动标注，但是通常找不到自己需要的数据。本文主要讲解第二种方法——自己制作数据集。
自己制作数据集只需要在图片网站下载自己想要的图片，最简单最直接的办法就是百度，将自己需要的图片下载保存到同一个文件夹即可，相信这个大家都会，就不做示例了。
三、labelImg进行图像标注
3.1 LabelImg简介
Labelmg是一个用于标注图像的开源图标注工具，主要应用于目标检测任务的数据集制作,其代码和操作可查看GitHub LabelImg。它支持手动绘制矩形框，标记图像中的对象，并将这些标注保存为不同格式的标注文件，如XML格式的Pascal VOC或TXT 格式的YOLO。
1.多格式支持：LabelImg支持生成Pascal VOC格式（XML）和YOLO格式（TXT）的标注文件。
2.多平台支持：LabelImg可以在Window，Linux和macOS上运行。
3.易于使用：该工具提供了直观的图形界面，通过简单的点击个拖动来创建和编辑标注框。还支持快捷键来加快标注速度。
4。可视化标注：LabelImg提供了图像和标注的实时可视化功能，可以及时查看并调整标注框的位置和大小。
5.自动保存：用户在完成图像标注后，LabelImg 会自动保存标注文件，减少数据丢失的风险。
6. 支持自定义类别：用户可以根据需求自定义标注类别，并在不同类别之间切换。
3.2 LabelImg下载
LabelImg可以通过GitHub仓库或通过命令行安装。本文采用Pip进行下载。由于Pip默认是从国外下载要安装的工具包，通常会因为网络错误等原因导致下载失败，为了避免下载失败，本文将Pip的国外镜像源换成了国内的阿里云。
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple
复制上方代码， 点击Win+R后输入cmd，点击确定，就可以在命令行粘贴代码并按下回车即可。
镜像源设置后可以通过下方代码查看。
pip config list
在命令行输入下方代码安装LabelImg。(注意LabelImg中的I是大写)
pip install labelImg
接下来在终端中输入labelImg即可打开工具。
C:\Users\29982>labelImg
Traceback (most recent call last):
File "<frozen runpy>", line 198, in _run_module_as_main
File "<frozen runpy>", line 88, in _run_code
File "D:\APP\python\Scripts\labelImg.exe\__main__.py", line 4, in <module>
File "D:\APP\python\Lib\site-packages\labelImg\labelImg.py", line 5, in <module>
import distutils.spawn
ModuleNotFoundError: No module named 'distutils'
如果出现上方报错，表明labelImg工具在启动时无法找到 Python 的distutils模块。distutils是一个用于构建和安装 Python 包的标准库模块，但在某些 Python 发行版中，它可能未被包含或安装。只需输入下面代码即可安装distutils模块。
pip install setuptools
安装完成后再次输入labelImg即可打开工具。
3.3 LabelImg使用教程
1.点击Open Dir选择之前保存下载图片的文件夹（建议命名为train2017）。
2.点击Change Save Dir选择一个空的文件夹（建议命名为train2017_labels）。
3.Next Image表示下一张图片。按D也可切换下一张。
4.Prev Image表示上一张图片。按A也可切换上一张。
5.点击PascalVOC切换成YOLO格式。
6.点击W然后用鼠标框选目标物体，在标签处打上同一标签，选择下一张继续重复以上操作即可。
四、 数据集格式
- images文件夹存放的主要是图片。
- images文件夹底下的train2017文件夹存放的是用来训练的图片。
- images文件夹底下的val2017文件夹存放的是用来验证的图片。
- labels文件夹存放的主要是images文件所对应的标签数据。
- labels文件夹底下的train2017文件夹存放的是用来训练的图片的标签数据。
- labels文件夹底下的val2017文件夹存放的是用来验证的图片的标签数据。
到目前为止，您已经完成了所有数据集的准备工作，接下来只需要将数据集放在YOLOv8的环境中进行训练，即可获得自己的目标检测模型了。这些方法作者将放在下期的文章中为大家逐一讲解。
如果觉得作者的内容能给你带来帮助，欢迎大家关注，原创不易，感谢大家的点赞关注，谢谢大家！关注即可获得作者的数据集。
9805
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
