UA-DETRAC数据集转YOLO格式

UA-DETRAC数据集YOLO训练优化全流程解析 目标检测是计算机视觉中的基础任务,其核心是通过深度学习模型自动识别图像中的物体位置与类别。YOLO作为实时目标检测的经典算法,在交通监控等场景具有重要应用价值。UA-DETRAC作为专业交通数据集,包含10万+真实场景标注,但直接训练存在分辨率差异、标注格式不兼容等工程挑战。通过XML到TXT的格式转换、智能数据划分、交通场景特化增强等关键技术,可显著提升模型性能。实践表明,采用640x640输入尺寸和定制锚框聚类,配合HSV色彩空间增强,能使YOLO在车辆检测任务中达到78.9% mAP。这些方法同样适用 阅读详情
AI摘要

文章提供了将UA-DETRAC数据集从原始格式转换为适用于YOLO模型训练的流程。首先,提供了处理过的数据集链接,包括训练集和验证集。接着,详细介绍了如何将VOC格式的标注文件转换为XML,然后进一步转换为YOLO格式。最后,提到了修改图像文件名以匹配标注文件的步骤。整个过程是为了适应YOLO的训练要求。

一: 数据集下载

原官方数据集

链接:https://pan.baidu.com/s/1P_CeSIpJIYSA1dykmFhgYw
提取码: 7f4g

处理完成数据集(每10帧取一张)

嫌麻烦可以直接使用我处理完的

链接:https://pan.baidu.com/s/1OV5m4lcYmPVkXOOGuqUmXg
提取码:93m0

包含训练集8639张,验证集2231张,已按照yolo训练格式放置,即下即用!

二: 处理标注文件

先处理标注文件,UA-DETRAC提供的标注文件格式是VOC格式,需要先转为XML格式,然后再将每个XML文件转为YOLO文件。
下面提供两个代码,只需要修改文件放置目录

1. 将VOC转为XML格式

import xml.etree.ElementTree as ET
from xml.dom.minidom import Document
import os
import cv2
import time


def ConvertVOCXml(file_path="", file_name=""):
    tree = ET.parse(file_name)
    root = tree.getroot()
    # print(root.tag)

    num = 0  # 计数
    # 读xml操作

    frame_lists = []
    output_file_name = ""
    for child in root:

        if (child.tag == "frame"):
            # 创建dom文档
            doc = Document()
            # 创建根节点
            annotation = doc.createElement('annotation')
            # 根节点插入dom树
            doc.appendChild(annotation)

            # print(child.tag, child.attrib["num"])
            pic_id = child.attrib["num"].zfill(5)
            # print(pic_id)
            output_file_name = root.attrib["name"] + "__img" + pic_id + ".xml"
            #  print(output_file_name)

            folder = doc.createElement("folder")
            folder.appendChild(doc.createTextNode("VOC2007"))
            annotation.appendChild(folder)

            filename = doc.createElement("filename")
            pic_name = "img" + pic_id + ".jpg"
            filename.appendChild(doc.createTextNode(pic_name))
            annotation.appendChild(filename)

            sizeimage = doc.createElement("size")
            imagewidth = doc.createElement("width")
            imageheight = doc.createElement("height")
            imagedepth = doc.createElement("depth")

            imagewidth.appendChild(doc.createTextNode("960"))
            imageheight.appendChild(doc.createTextNode("540"))
            imagedepth.appendChild(doc.createTextNode("3"))

            sizeimage.appendChild(imagedepth)
            sizeimage.appendChild(imagewidth)
            sizeimage.appendChild(imageheight)
            annotation.appendChild(sizeimage)

            target_list = child.getchildren()[0]  # 获取target_list
            # print(target_list.tag)
            object = None
            for target in target_list:
                if (target.tag == "target"):
                    # print(target.tag)
                    object = doc.createElement('object')
                    bndbox = doc.createElement("bndbox")

                    for target_child in target:
                        if (target_child.tag == "box"):
                            xmin = doc.createElement("xmin")
                            ymin = doc.createElement("ymin")
                            xmax = doc.createElement("xmax")
                            ymax = doc
【UA-DETRAC数据集yolo训练数据集处理流程】 运行download.py文件,开始下载数据集 数据集处理 xml文件分离, , 生成,和 xml格式转换为yolo格式,xml2yolo.py, 图片名称修改,, 这一步可以不用 根据训练集、测试集标签匹配图片数据进行分离,因为下载数据集的时候所有图片数据都存放在一个文件夹,标签才分了训练、测试文件夹存放, 阅读详情

相关推荐

视频监控 智能交通 数据集(目标检测、跟踪)

前言 总结一下视频监控的数据集,用于目标检测、跟踪。 一、UA-DETRAC 数据集 UA-DETRAC是一个具有挑战性的真实世界多目标检测和多目标跟踪基准。该数据集包括在中国北京和天津的24个不同地点使用Cannon EOS 550D相机拍摄的10小时视频。视频以每秒25帧(fps)的速度录制,分辨率为960×540像素。UA-DETRAC数据集中有超过14万个帧,手动注释了8250个车辆,总共有121万个标记的对象边界框。官方还对目标检测和多目标跟踪中的最新方法以及本网站中详述的评估指标进行基

黎国溥 3万+

基于深度学习的交通流量检测系统:从YOLO模型到车辆计数实战

目标检测是计算机视觉中的基础任务,旨在从图像或视频中定位并识别物体,其技术价值在于为各类智能系统提供感知能力。在智能交通管理场景中,通过目标检测技术对道路车辆进行实时识别,结合多目标跟踪与虚拟检测线逻辑,即可实现车流量统计、车速估算与车道占用率分析,为交通调度、信号优化和城市治理提供数据支撑。YOLO作为主流的一阶段检测算法,凭借精度与速度的平衡优势,成为实时交通检测系统的常见选型。本文围绕基于深度学习的交通流量检测系统,从模型选型、数据集准备、训练推理到计数逻辑与工程避坑,完整拆解一套可落地的毕业设计实现

weixin_29051811的博客 232

DETRAC百度云下载连接.txt

UA-DETRAC车辆检测识别数据集需要注册才能下载,附件中提供百度云的下载链接

ua-detrac训练数据集标注

ua-detrac数据集标注。包含 DETRAC-Train-Annotations-MAT.zip DETRAC-Train-Annotations-XML.zip DETRAC-Train-Annotations-XML-v3.zip

UA-DETRAC,车辆检测数据集8250车辆。

UA-DETRAC,车辆检测数据集8250车辆。

ua-detrac数据集的跟踪测评工具包DETRAC-Test-Tra

ua-detrac数据集的跟踪测评工具包;资源来自http://detrac-db.rit.albany.edu/download;包括文件:DETRAC-Test-Tra.zip

ua-detrac测试数据集标注

ua-detrac测试数据集标注 DETRAC-Test-Annotations-MAT.zip DETRAC-Test-Annotations-XML.zip

UA-DETRAC.zip

UA-DETRAC数据集

UA-DETRAC BITVehicle车辆检测数据集 人工智能 - 深度学习.zip

UA-DETRAC BITVehicle车辆检测数据集 人工智能 - 深度学习.zip

多模态情感识别(MER)数据集实战指南:从IEMOCAP到应用落地

本文提供了多模态情感识别(MER)从数据集到应用落地的完整实战指南。以经典IEMOCAP数据集为例,详细讲解了音频、视觉、文本等多模态数据的预处理、特征提取与融合技术,并分享了模型训练调优心得及面向智能客服、在线教育等场景的部署考量,帮助开发者快速构建高效可用的MER系统。

h3i4j的博客 1076

Wezterm的安装和简单配置

希望 wezterm 的主题配色,保持和 powershell 默认配色一致,也就是 Compell 主题。目的是在频繁使用 wezterm 时,原本的根据颜色判断文件信息(尤其是WSL里的Linux下,文件和目录颜色)依然可以使用。wezterm 默认用 cmd.exe, 我是 win11,希望默认用 powershell。

baiyu33的博客 4296

模组 RG500Q入网问题分析

- [ ] 不同于公网,在5G专网环境中, 通常使用很多非标准的网络配置,如PLMN/APN等。因此,5G模组在专网环境下通常要做一些专门的配置才能正常入网,本文分析一例在专网环境, 5G终端无法入网问题的定位过程。 - [ ] 具体涉及到以下模组操作: 恢复出厂、SA only、锁BAND、配置MBN等

十年通信老兵的技术修炼之路——从3G到5G,从地面基站到卫星通信。 935

[明道云] -基础教学5- 明道云 40 种控件详解与场景解析

明道云工作表提供40种业务控件,涵盖文本、数值、关联、公式等类型,支持各类业务场景。文本类支持多行输入、正则校验;数值/金额类提供进度条、百分比显示等功能;关联类实现多表数据引用;公式/函数类支持复杂逻辑运算;自动化类包括打印模板、API调用等控件。合理使用这些控件可提升数据收集质量和自动化效率,同时需注意控件联动的性能影响和权限配置。关键控件包括关联记录、级联选择、公式计算等,适用于订单管理、客户信息关联等业务场景。

每日出拳老爷子的博客 8545

搬运机器人系列编程:KUKA KR QUANTEC_(2).KUKA KRL语言编程基础

定义一个函数END!调用函数PRINT "结果: ", result!定义一个过程PRINT msgEND!调用过程printMessage("欢迎使用 KUKA 机器人")!定义搬运零件的起始位置和目标位置!定义焊接路径的各个点!定义喷涂路径的各个点KUKA Robot Language (KRL) 是一种专门为工业机器人设计的编程语言,具有结构化编程、丰富的库函数、实时性以及集成性等特点。

zhubeibei168的博客 1254

PyQt(Python+Qt)学习随笔:PyQt界面派生类构造方法中super方法的使用

老猿Python博文目录 专栏:使用PyQt开发图形界面Python应用 老猿Python博客地址 在《第15.7节 PyQt入门学习:PyQt5应用构建详细过程介绍》和订阅专栏《第二章、PyQt5应用构建详细过程介绍》中,老猿介绍界面派生类的构造方法如下: class MediaPlayerWin(QtWidgets.QWidget,Ui_UI_PlayerWin): def __i...

老猿Python 2712

封装POD与PinMap文件总结学习-20250516

芯片封装外形图(POD)和PinMap是芯片设计和制造中的关键文档。POD详细描述了芯片的物理尺寸、引脚布局和封装类型,而PinMap则提供了芯片封装上各个引脚的位置、名称和功能的详细信息。这些文档在芯片设计、制造和应用过程中起到“地图”的作用,帮助设计人员理解芯片的物理和电气特性。在PCB设计中,POD用于确定socket的footprint和pogo的选型,而PinMap则用于器件的合理布局和布线。这些信息对于确保芯片的正确安装和功能至关重要。

歌颂苦难的行为是无耻的; 2389

【python数据处理】python实现vlookup字符串模糊匹配及在实战中的应用(FuzzyWuzzy库)

利用FuzzyWuzzy库匹配字符串1. 背景前言2. FuzzyWuzzy库介绍2.1 安装2.1 fuzz模块2.1.1 简单匹配(Ratio)2.1.2 非完全匹配(Partial Ratio)2.1.3 忽略顺序匹配(Token Sort Ratio)2.1.4 去重子集匹配(Token Set Ratio)2.2 process模块2.2.1 extract提取多条数据2.2.2 extractOne提取一条数据3. pandas实战应用3.1 公司名称字段模糊匹配3.1.1 参数讲解:3.1.2

lys_828的博客 8326

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

上一篇: Ubuntu创建后初始操作
下一篇: 统计数据集中目标大、中、小个数【需要用到yolo的txt标注文件数据,其他格式数据不一定适用】
Huang3stone
博客等级 码龄8年 146粉丝 147原创
评论 65
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址