目标检测数据集制作（LabelImg）

一、 常用目标检测数据集介绍

1.COCO类型数据集

COCO数据集是目标检测的另一种常用的大规模数据集。和VOC相比，COCO数据集有着小目标多、单幅图片目标多、物体大多非中心分布、更符合日常环境的特点，因而COCO数据集的目标检测难度更大。COCO从2015到2020每年均举办比赛（比赛任务task：目标检测Object Detection，关键点检测KeyPoint Detection，图片加标题Image Captioning，Stuff Segmentation（一种针对stuff（草地、墙、天空等内容）的实例分割），Panoptic Segmentation（stuff+object的分割任务）等）

2.COCO类型数据集

Pascal VOC数据集是目标检测的常用的大规模数据集之一，从05年到12年都会举办比赛（比赛任务task： 分类Classification ，目标检测Object Detection，语义分割Class Segmentation，实例分割Object Segmentation，Action Classification（专注于人体动作的一种分类），Person Layout（专注于人体各部位的一种目标检测））。

3.YOLO类型数据集

专用于YOLO系列的数据集类型。

4.详细介绍：

引用详细介绍 https://zhuanlan.zhihu.com/p/377012864

二、YOLO数据集制作

1.介绍

YOLO数据集文件结构如下：
├── classes.txt
├── trains
│ ├── images
│ └── labels
└── vals
├── images
└── labels

内容：

• classes.txt主要存放类别名称（有顺序），0与第一行名称对应，1与第一行名对应以此类推。
• trains放训练集 信息，vals放测试集信息，名称可自定义。
  • images主要放置图片信息
  • labels主要放置对应标注信息，次为txt文件，如下图所示。第一列为对应类别编号，后四列代表目标边框的一个坐标点的x，y以及框的w，h。
    

2.标注

本处使用labelImg。

通过pip instasll labelImg 安装

然后打开软件后，点击对应图片文件夹。就可以开始打标签了。标签信息就是txt文件存放在对应的label文件夹中。