Prepara un conjunto de datos personalizado

Obtén el conjunto de datos de prácticas#

La estructura siguiente también es válida como archivo ZIP en el cuadro de diálogo Nuevo conjunto de datos de Ultralytics Platform, así que puedes subir sin cambios el conjunto de datos que prepares aquí. Descarga 92 fotogramas de entrenamiento y 23 de validación de píldoras en blísteres y descomprímelos en 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)

No hay ningún manifiesto. Ultralytics encuentra cada etiqueta sustituyendo /images/ por /labels/ en la ruta de la imagen y cambiando la extensión por .txt, así que images/val/Frame_144.jpg lee labels/val/Frame_144.txt. Esto tiene dos consecuencias:

• Las carpetas deben llamarse exactamente images y labels, y estar una junto a la otra.
• Una imagen con un archivo de etiquetas vacío o inexistente es una imagen de fondo: es válida y útil para enseñar al modelo qué no debe detectar, pero solo si esa era tu intención.

Interpreta una línea de etiqueta#

Cada línea corresponde a un objeto: un índice de clase entero, seguido del centro y el tamaño de la caja delimitadora como fracciones de la anchura y la altura de la imagen. Una línea real de labels/train/Frame_0.txt:

0 0.330729 0.816204 0.103125 0.121296

• 0: índice de clase 0, que el archivo YAML denominará pill.
• 0.330729 0.816204: el centro de la caja está al 33 % de la anchura y al 82 % de la altura.
• 0.103125 0.121296: la caja ocupa aproximadamente el 10 % de la anchura y el 12 % de la altura de la imagen.

Ejemplo práctico: convierte una caja en píxeles#

Las herramientas de etiquetado suelen exportar las esquinas en píxeles (x1, y1, x2, y2). Divide entre el tamaño de la imagen. La persona situada más a la izquierda en bus.jpg, de 810×1080, de la lección anterior ocupa desde (49, 398) hasta (240, 902):

La mayoría de las herramientas de etiquetado, y herramientas como Roboflow, pueden exportar directamente al formato YOLO. Para COCO JSON, sigue la guía de entrenamiento con COCO JSON; el repositorio JSON2YOLO cubre otros formatos. Para archivos XML de VOC de Pascal, puedes aplicar la fórmula anterior con un script breve:

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())

Si lo ejecutas en un bus.xml que contenga las cajas de la persona y el autobús de la lección anterior, imprimirá el ejemplo práctico y el autobús:

0 0.178395 0.601852 0.235802 0.466667
1 0.495679 0.454167 0.991358 0.482407

Comprueba todo antes de entrenar#

Dibuja algunos archivos de etiquetas sobre sus imágenes. Una clase desplazada, las coordenadas x e y intercambiadas o cajas alrededor de sombras se ven a simple vista, pero no en las métricas:

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"},
)

Después, deja que Ultralytics compruebe todos los archivos. Analiza las etiquetas la primera vez que lee un conjunto de datos y decide, línea por línea, si cada imagen se puede usar:

La línea del análisis indica el resultado: 23 images, 0 backgrounds, 0 corrupt es el aspecto que tiene un conjunto de datos correcto. Cualquier otro resultado corresponde a uno de los errores siguientes.

Evita estos errores#

Para realizar comprobaciones sistemáticas en todo un conjunto de datos, consulta Control de calidad de los conjuntos de datos. Los conjuntos integrados, como coco8, coco128 y african-wildlife, son buenos ejemplos de estructuras que puedes copiar; en la descripción general de conjuntos de datos se enumeran todos. El entrenador aplica aumento de datos a tus etiquetas, así que una limpieza rápida de los datos aquí beneficia cada época.