制作自己的Yolov7数据集【手把手教程】_yolov7自制数据集

一、制作标签文件

1、数据标注

使用labelimg（本文不进行讲解）进行数据标注，直接选择yolo数据集格式，之后将图片与标注好的标签文件（.txt）放在两个不同的文件夹中（默认行为）。

2、文件筛选

比对两个文件夹中的文件个数是否相同，正常来说txt文件夹中的文件应该比图片文件夹中的数量多一个。在txt文件夹中会有一个class.txt文件。

如果文件数量不符合上述，使用代码将具有相同名称的不同类型文件选出（图片对应的标签文件与图片名称相同，例如图片为1.jpg则标签文件为1.txt）。

使用下面代码将相同名称文件放入另一个文件夹：

import os
 
 
 
# 图片文件夹路径
 
#img_folder = 'path_to_image_folder'
 
 
 
img_folder = 'C://Users//Administrator//Desktop//abc//JPEGImages'
 
 
 
# 文本文件夹路径
 
#txt_folder = 'path_to_txt_folder'
 
 
 
txt_folder = 'C://Users//Administrator//Desktop//abc//Annotations'
 
 
 
# 存放相同文件名的文件夹路径
 
output_folder = 'C://Users//Administrator//Desktop//abc//aaa'
 
 
 
# 获取图片文件夹中的文件名（不包括扩展名）
 
img_files = [os.path.splitext(file)[0] for file in os.listdir(img_folder)]
 
 
 
# 获取txt文件夹中的文件名（不包括扩展名）
 
txt_files = [os.path.splitext(file)[0] for file in os.listdir(txt_folder)]
 
 
 
# 找出两个文件夹中文件名相同的文件
 
common_files = set(img_files) & set(txt_files)
 
 
 
# 输出相同文件名的文件到另一个文件夹
 
for file in common_files:
 
    img_path = os.path.join(img_folder, file + '.jpg')
 
    txt_path = os.path.join(txt_folder, file + '.txt')
 
    output_img_path = os.path.join(output_folder, file + '.jpg')
 
    output_txt_path = os.path.join(output_folder, file + '.txt')
 
   
 
    # 移动文件
 
    os.rename(img_path, output_img_path)
 
    os.rename(txt_path, output_txt_path)
 
 
 
print(f'共找到{len(common_files)}个相同文件名的文件，并已移动到{output_folder}文件夹中。')

二、划分数据集

1、建立文件夹

在你的yolov7项目文件夹中建立一个文件夹，我命名为adata

在adata中建立两个文件夹images和labels，分别用来存放划分后的图片和标签文件（不需要自己手动操作），使用如下代码：

            

# 将图片和标注数据按比例切分为 训练集和测试集
 
import shutil
 
import random
 
import os
 
 
 
# 原始路径
 
image_original_path = "E:/yolo/yolov7-main/adata/data/tp"
 
label_original_path = "E:/yolo/yolov7-main/adata/data/txt"       # 该路径下不要有classes.txt
 
 
 
cur_path = os.getcwd()
 
 
 
# 训练集路径
 
train_image_path = os.path.join(cur_path, "images/train/")
 
train_label_path = os.path.join(cur_path, "labels/train/")
 
 
 
# 验证集路径
 
val_image_path = os.path.join(cur_path, "images/val/")
 
val_label_path = os.path.join(cur_path, "labels/val/")
 
 
 
# 测试集路径
 
test_image_path = os.path.join(cur_path, "images/test/")
 
test_label_path = os.path.join(cur_path, "labels/test/")
 
 
 
# 训练集目录
 
list_train = os.path.join(cur_path, "train.txt")
 
list_val = os.path.join(cur_path, "val.txt")
 
list_test = os.path.join(cur_path, "test.txt")
 
 
 
train_percent = 0.8
 
val_percent = 0.1
 
test_percent = 0.1
 
 
 
 
 
def del_file(path):
 
    for i in os.listdir(path):
 
        file_data = path + "\\" + i
 
        os.remove(file_data)
 
 
 
 
 
def mkdir():
 
    if not os.path.exists(train_image_path):
 
        os.makedirs(train_image_path)
 
    else:
 
        del_file(train_image_path)
 
    if not os.path.exists(train_label_path):
 
        os.makedirs(train_label_path)
 
    else:
 
        del_file(train_label_path)
 
 
 
    if not os.path.exists(val_image_path):
 
        os.makedirs(val_image_path)
 
    else:
 
        del_file(val_image_path)
 
    if not os.path.exists(val_label_path):
 
        os.makedirs(val_label_path)
 
    else:
 
        del_file(val_label_path)
 
 
 
    if not os.path.exists(test_image_path):
 
        os.makedirs(test_image_path)
 
    else:
 
        del_file(test_image_path)
 
    if not os.path.exists(test_label_path):
 
        os.makedirs(test_label_path)
 
    else:
 
        del_file(test_label_path)
 
 
 
 
 
def clearfile():
 
    if os.path.exists(list_train):
 
        os.remove(list_train)
 
    if os.path.exists(list_val):
 
        os.remove(list_val)
 
    if os.path.exists(list_test):
 
        os.remove(list_test)
 
 
 
 
 
def main():
 
    mkdir()
 
    clearfile()
 
 
 
    file_train = open(list_train, 'w')
 
    file_val = open(list_val, 'w')
 
    file_test = open(list_test, 'w')
 
 
 
    total_txt = os.listdir(label_original_path)
 
    num_txt = len(total_txt)
 
    list_all_txt = range(num_txt)
 
 
 
    num_train = int(num_txt * train_percent)
 
    num_val = int(num_txt * val_percent)
 
    num_test = num_txt - num_train - num_val
 
 
 
    train = random.sample(list_all_txt, num_train)
 
    # train从list_all_txt取出num_train个元素
 
    # 所以list_all_txt列表只剩下了这些元素
 
    val_test = [i for i in list_all_txt if not i in train]
 
    # 再从val_test取出num_val个元素，val_test剩下的元素就是test
 
    val = random.sample(val_test, num_val)
 
 
 
    print("训练集数目：{}, 验证集数目：{}, 测试集数目：{}".format(len(train), len(val), len(val_test) - len(val)))
 
    for i in list_all_txt:
 
        name = total_txt[i][:-4]
 
 
 
        srcImage = image_original_path + "/"+name + '.jpg'
 
        srcLabel = label_original_path + "/"+name + ".txt"
 
 
 
        if i in train:
 
            dst_train_Image = train_image_path + "/"+name + '.jpg'
 
            dst_train_Label = train_label_path + "/"+name + '.txt'
 
            shutil.copyfile(srcImage, dst_train_Image)
 
            shutil.copyfile(srcLabel, dst_train_Label)
 
            file_train.write(dst_train_Image + '\n')
 
        elif i in val:
 
            dst_val_Image = val_image_path + "/"+name + '.jpg'
 
            dst_val_Label = val_label_path + "/"+name + '.txt'
 
            shutil.copyfile(srcImage, dst_val_Image)
 
            shutil.copyfile(srcLabel, dst_val_Label)
 
            file_val.write(dst_val_Image + '\n')
 
        else:
 
            dst_test_Image = test_image_path + "/"+name + '.jpg'
 
            dst_test_Label = test_label_path + "/"+name + '.txt'
 
            shutil.copyfile(srcImage, dst_test_Image)
 
            shutil.copyfile(srcLabel, dst_test_Label)
 
            file_test.write(dst_test_Image + '\n')
 
 
 
    file_train.close()
 
    file_val.close()
 
    file_test.close()
 
 
 
if __name__ == "__main__":
 
    main()

2、划分后的文件夹

Images

每个文件夹中都有图片

Labels

同理每个文件夹中都有txt标签文件

除此之外在adata文件夹中还应该有三个txt文件用来存放图片路径

三个txt文件用来存放图片路径，如下图：

3、建立.yaml文件

代码如下：

train: E:\yolo\yolov7-main\adata\train.txt
 
val: E:\yolo\yolov7-main\adata\val.txt
 
test: E:\yolo\yolov7-main\adata\test.txt
 
## leibie
 
nc : 4
 
# class names
 
names : ["3A","2A","1A","0A"]   ## 0 , 1 , 2

到此可以直接将.yaml文件作为输入开始训练。

 如果使用该步骤建立数据集训练过程中遇到什么问题，可以私信博主，看到会及时回的，写作不易，烦请点个赞，点个关注一起学习进步。