建站系统下载,代做课件的网站,合肥网页制作公司推荐,长沙哪家做网站设计好1. 前言
之前写了分类和检测任务划分数据集的脚本#xff0c;三大任务实现了俩#xff0c;基于强迫症#xff0c;也实现一下图像分割的划分脚本
分类划分数据#xff1a;关于图像分类任务中划分数据集#xff0c;并且生成分类类别的josn字典文件
检测划分数据#xff…1. 前言
之前写了分类和检测任务划分数据集的脚本三大任务实现了俩基于强迫症也实现一下图像分割的划分脚本
分类划分数据关于图像分类任务中划分数据集并且生成分类类别的josn字典文件
检测划分数据关于目标检测中按照比例将数据集随机划分成训练集和测试集 之前写了目标检测的可视化脚本明天看看要不要把分类和分割的可视化也实现一下之前的博文里实现过但都是大项目里的一个环节看看能不能单独实现一下 这里的脚本和未划分数据的目录在同一路径 2. 完整代码
如下
import random
import os
import shutil
from tqdm import tqdm# 划分数据函数
def split_data(root, test_rate):images_path [os.path.join(root, i) for i in os.listdir(root)] # 获取所有图片路径test_split_path random.sample(images_path, kint(len(images_path) * test_rate)) # 随机采样测试集# 遍历所有图片for image_path in tqdm(images_path, descloading...):# 获取相应的标注文件这里需要根据目录、后缀更改mask_path image_path.replace(images, masks)# 划分数据if image_path in test_split_path: # 在测试集shutil.copy(image_path, ./data/test/images)shutil.copy(mask_path, ./data/test/masks)else:shutil.copy(image_path, ./data/train/images)shutil.copy(mask_path, ./data/train/masks)if __name__ __main__:rawDataSet ./rawDataSet/images # 原始数据的图片路径if os.path.exists(./data): # 如果之前有那么删除shutil.rmtree(./data)os.makedirs(./data/train/images) # 训练集图片os.makedirs(./data/train/masks) # 训练集标签os.makedirs(./data/test/images) # 测试集图片os.makedirs(./data/test/masks) # 测试集标签# 划分数据split_data(rootrawDataSet, test_rate0.2) 运行过程这里测试五个数据 运行结果 3. 注意的点
根据训练图片找到对应mask模板的时候这里要根据目录更换
