YOLOv5数据集的文件结构和文件格式以及标注工具LabelImg的说明文档

文章目录

一 · 概述
二 · 文件结构与数据格式
三 · 手动标注YOLOv5数据集
- 3.1 标注工具的选择
- 3.2 标注流程
四 · 总结与注意事项
- 4.1 `labelImg`的使用技巧与说明
- 4.2 注意事项

一 · 概述

YOLOv5 是一个采用深度学习技术的目标检测模型。在训练这个模型时，需要创建一个特定格式的数据集。这篇文章将详细介绍 YOLOv5 训练数据集的创建方法、文件结构及其格式说明。

二 · 文件结构与数据格式

YOLOv5 采用了 .txt 文件来描述同名图像文件中目标的类别和位置信息。.txt 文件中的每一行代表图像中的一个目标，多个目标采用多行数据来保存。

2.1 数据集的文件结构

一般情况下, 一个完整的数据集包含三部分内容：

classes.txt 文件,用于记录类别名称
images 文件夹,用于保存图片文件
labels 文件夹,用于保存标注文件

注: images 和 labels 文件夹中的文件名应该一一对应,即 images 文件夹中的图片文件和 labels 文件夹中的标注文件应该同名。

其中，数据集中对应的训练集、验证集和测试集分别放在 train 、val 和 test 文件夹中。同样，images 和 labels 文件夹中的结构应该一一对应。数据比例建议 : 70% 用于训练，20% 用于验证，10% 用于测试。

文件结构如下：

dataset/
├── classes.txt
├── images
│   ├── train
│   │   ├── image1.jpg
│   │   └── ...
│   ├── val
│   │   ├── image3.jpg
│   │   └── ...
│   └── test
│       ├── image5.jpg
│       └── ...
└── labels
    ├── train
    │   ├── image1.txt
    │   └── ...
    ├── val
    │   ├── image3.txt
    │   └── ...
    └── test
        ├── image5.txt
        └── ...

2.2 数据格式

举例说明，假设我们的任务是检测5个类别的目标：狗(dog)、人(person)、猫(cat)、电视(tv)和汽车(car)。那么 classes.txt 文件内容如下：

dog
person
cat
tv
car

.txt文本中记录的并非类别名称,而是类别的索引,从 0 开始。例如,dog 的索引为0,person 的索引为 1,以此类推。

索引	类别
0	dog
1	person
2	cat
3	tv
4	car

.txt文本中，每行记录一个目标对象的类别索引和位置信息，包含五个字段：<class> <cx> <cy> <width> <height>

class：类别索引，整数，从 0 开始。
cx、cy：浮点数，表示目标中心点的横坐标和纵坐标，归一化到图像宽高的比例，范围为 [0, 1]
width、height：浮点数，表示目标的宽度和高度，归一化到图像宽高的比例，范围为 [0, 1]，

标注示意图如下:

600

注意：cx、cy、width、height 都是相对于图像宽高的比例，而不是绝对像素值。
例如，如果一个目标的中心点位于图像的正中心，且占据了整个图像区域，格式为 0 0.5 0.5 1 1（假设目标类别为 0）。

2.2 文件结构

YOLOv5 训练数据集通常包含两部分：图像文件和对应的标注文件。每个图像文件对应一个同名但扩展名为 .txt 的标注文件。例如，对于图像 image.jpg，其对应的标注文件为 image.txt。

在这个 .txt 文件中，每一行代表图像中的一个目标信息，按照 class cx cy width height 的顺序排列。例如，0 0.5 0.5 1 1 表示该图像有一个类别为 0（假设为猫）的目标，在图像正中心位置，且占据整个图像。

2.3 标注文件的注意事项

所有数值使用空格隔开
文件结束时可选一个空行，但不是必须的
每行末尾不能有空格
行与行之间不能有空行

注：标注文件不符合上述格式要求时，会导致在标注可视化或训练时出现错误。

三 · 手动标注YOLOv5数据集

训练所需要的图像可以从各种来源获取，例如公开数据集、互联网或者自己进行图片标注。如果你打算从网上收集图片，注意版权和使用许可。

接下来，需要在每张图像中标注出我们想要检测的目标。可以使用各种标注工具，如 labelImg。每张图片的标注结果会生成一个对应的 .txt 文件。

3.1 标注工具的选择

这里我们选用 labelImg 作为标注工具一个开源的图像标注工具，易于使用，支持 Pascal VOC YOLO 等多种格式。软件使用界面如下图所示:

600

3.2 标注流程

打开 labelImg 软件，点击 Open Dir 打开图像文件夹。
点击 Change Save Dir 设置标注文件保存路径。用于保存 .txt 标注文件
选择一张图像，点击 Create RectBox 按钮，然后在图像上框选目标，目标框选定后，在弹出的类别框中选择对应的类别即可，如下图所示：
点击 Save 保存标注结果，软件会自动生成一个同名的 .txt 文件，保存了目标的类别和位置信息。

四 · 总结与注意事项

4.1 `labelImg`的使用技巧与说明

快捷键：w 新建矩形框，d 下一张图片，a 上一张图片，s 保存标注结果，del 删除当前矩形框
自动保存: 点击工具栏的 View,在下拉菜单中勾选 Auto Save mode 即可开启自动保存模式
类别显示: 点击工具栏的 View,在下拉菜单中勾选 Display Labels，即可在画面中对应的标注框中显示当前类别的名称
默认类别设置: 当标注单个类别目标时，设置默认类别，每次就不需要选择目标类别，工具自动填充，如下如所示，设置并勾选默认类别为 person 后，每次拉框直接默认类别，不需要再手动选择了

4.2 注意事项

文件格式：标注文件的格式必须符合 YOLOv5 的要求，否则 LabelImg 无法可视化标注框。参考[[#2.3 标注文件的注意事项]]
中文路径：无论是文件夹路径还是图片名称，均不能包含中文字符，否则会导致标注文件保存失败
classes.txt: classes.txt 文件一定要放置在与标注文件同一级的目录中，否则 LabelImg 无法可视化标注框。
标注提示文件: LabelImg 自带一个标注提示文件，用来填充标注时的标注提示框，文件位置处理data/predefined_classes.txt，确保文件中的类别名称与 classes.txt 文件中的类别名称一致。labelImg会自动读取这个文件，用于填充标注提示框。文件结构如下所示:

LabelImg
|__data
|   |__predefined_classes.txt
|__labelImg.exe

以上便是关于 YOLOv5 数据集的文件结构和数据格式的简要说明，关于如何使用 yaml文件配置训练时的训练集与测试集路径、以及多个数据集文件夹组合的配置方法，会通过另一篇文档详细记录与说明。