Benutzerdefinierten Datensatz vorbereiten

Übungsdatensatz abrufen#

Die folgende Struktur kann auch im Dialogfeld „New Dataset“ der Ultralytics Platform als ZIP-Datei hochgeladen werden. Ein hier vorbereiteter Datensatz lässt sich also unverändert hochladen. Lade 92 Trainings- und 23 Validierungsbilder von Pillen in Blisterpackungen herunter und entpacke sie nach my_dataset:

curl -L -o medical-pills.zip https://github.com/ultralytics/assets/releases/download/v0.0.0/medical-pills.zip
unzip -q medical-pills.zip -d my_dataset

my_dataset/
├── images/
│   ├── train/   Frame_0.jpg, Frame_100.jpg, ... (92 images)
│   └── val/     Frame_144.jpg, ... (23 images)
└── labels/
    ├── train/   Frame_0.txt, Frame_100.txt, ... (92 files)
    └── val/     Frame_144.txt, ... (23 files)

Es gibt kein Manifest. Ultralytics findet jede Beschriftung, indem /images/ im Bildpfad durch /labels/ und die Dateierweiterung durch .txt ersetzt wird. Daher liest images/val/Frame_144.jpg die Datei labels/val/Frame_144.txt. Daraus folgen zwei Dinge:

• Die Ordner müssen genau images und labels heißen und nebeneinander liegen.
• Ein Bild mit einer leeren oder fehlenden Beschriftungsdatei ist ein Hintergrundbild: gültig und nützlich, um dem Modell beizubringen, was es nicht erkennen soll – aber nur, wenn das beabsichtigt ist.

Beschriftungszeile lesen#

Jede Zeile steht für ein Objekt: zuerst ein ganzzahliger Klassenindex, dann Mittelpunkt und Größe der Bounding-Box als Bruchteile der Bildbreite und -höhe. Eine echte Zeile aus labels/train/Frame_0.txt:

0 0.330729 0.816204 0.103125 0.121296

• 0: Klassenindex 0, den die YAML-Datei pill zuordnet.
• 0.330729 0.816204: Der Mittelpunkt der Box liegt bei 33 % der Bildbreite und 82 % der Bildhöhe.
• 0.103125 0.121296: Die Box ist etwa 10 % der Bildbreite und 12 % der Bildhöhe groß.

Beispiel: Pixel-Bounding-Box umwandeln#

Beschriftungswerkzeuge exportieren häufig Pixelkoordinaten der Ecken (x1, y1, x2, y2). Teile sie durch die Bildgröße. Die Person ganz links im 810×1080 großen bus.jpg aus der letzten Lektion erstreckt sich von (49, 398) bis (240, 902):

Die meisten Beschriftungswerkzeuge und Tools wie Roboflow können direkt im YOLO-Format exportieren. Für COCO JSON folge dem Leitfaden zum Training mit COCO JSON; das Repository JSON2YOLO behandelt weitere Formate. Für Pascal-VOC-XML lässt sich die obige Formel in ein kurzes Skript übertragen:

import xml.etree.ElementTree as ET
from pathlib import Path

CLASSES = ["person", "bus"]  # index = class id; must match names in data.yaml

def voc_to_yolo(xml_file: Path, out_dir: Path) -> None:
    root = ET.parse(xml_file).getroot()
    w, h = int(root.find("size/width").text), int(root.find("size/height").text)
    lines = []
    for obj in root.iter("object"):
        name = obj.find("name").text
        if name not in CLASSES:
            continue
        box = obj.find("bndbox")
        x1, y1, x2, y2 = (float(box.find(k).text) for k in ("xmin", "ymin", "xmax", "ymax"))
        xc, yc, bw, bh = (x1 + x2) / 2 / w, (y1 + y2) / 2 / h, (x2 - x1) / w, (y2 - y1) / h
        lines.append(f"{CLASSES.index(name)} {xc:.6f} {yc:.6f} {bw:.6f} {bh:.6f}")
    out_dir.mkdir(parents=True, exist_ok=True)
    (out_dir / f"{xml_file.stem}.txt").write_text("\n".join(lines) + "\n")

voc_to_yolo(Path("bus.xml"), Path("labels"))
print(Path("labels/bus.txt").read_text())

Bei Ausführung auf einem bus.xml mit den Personen- und Bus-Bounding-Boxes aus der vorherigen Lektion gibt das Skript das berechnete Beispiel und den Bus aus:

0 0.178395 0.601852 0.235802 0.466667
1 0.495679 0.454167 0.991358 0.482407

Vor dem Training prüfen#

Zeichne einige Beschriftungsdateien auf den zugehörigen Bildern ein. Eine verschobene Klasse, vertauschte x- und y-Koordinaten oder Boxen um Schatten sind mit bloßem Auge erkennbar, in Metriken aber unsichtbar:

from ultralytics.data.utils import visualize_image_annotations

visualize_image_annotations(
    "my_dataset/images/train/Frame_0.jpg",
    "my_dataset/labels/train/Frame_0.txt",
    {0: "pill"},
)

Lass Ultralytics anschließend alle Dateien prüfen. Beim ersten Einlesen eines Datensatzes durchsucht das Programm die Beschriftungen und entscheidet für jede Zeile, ob das jeweilige Bild verwendbar ist:

Die Prüfzeile zeigt das Ergebnis an: 23 images, 0 backgrounds, 0 corrupt steht für einen fehlerfreien Datensatz. Alles andere weist auf einen der unten aufgeführten Fehler hin.

Diese Fehler vermeiden#

Systematische Prüfungen für einen ganzen Datensatz findest du unter Qualitätskontrolle von Datensätzen. Integrierte Datensätze wie coco8, coco128 und african-wildlife eignen sich als Vorlagen für die Ordnerstruktur; die Übersicht der Datensätze führt sie alle auf. Der Trainer ergänzt deine Beschriftungen um Datenerweiterung. Eine kurze Datenbereinigung zahlt sich daher in jeder Epoche aus.