Prepara un dataset personalizzato

Ottieni il dataset di esercitazione#

La struttura riportata di seguito è accettata anche come file zip dalla finestra Nuovo dataset di Ultralytics Platform, quindi il dataset che prepari qui può essere caricato senza modifiche. Scarica 92 fotogrammi di addestramento e 23 di convalida di pillole in blister, quindi estraili in 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)

Non c'è un file manifest. Ultralytics trova ogni etichetta sostituendo /images/ con /labels/ nel percorso dell'immagine e sostituendo l'estensione con .txt, quindi images/val/Frame_144.jpg legge labels/val/Frame_144.txt. Ne conseguono due cose:

• Le cartelle devono chiamarsi esattamente images e labels ed essere affiancate.
• Un'immagine con un file di etichette vuoto o mancante è un'immagine di sfondo: è valida e utile per insegnare al modello cosa non rilevare, ma solo se è quello che intendevi.

Leggi una riga di etichetta#

Ogni riga rappresenta un oggetto: un indice di classe intero, poi il centro e le dimensioni del riquadro di delimitazione come frazioni della larghezza e dell'altezza dell'immagine. Una riga reale da labels/train/Frame_0.txt:

0 0.330729 0.816204 0.103125 0.121296

• 0: indice di classe 0, che nel file YAML corrisponderà al nome pill.
• 0.330729 0.816204: il centro del riquadro si trova al 33% della larghezza e all'82% dell'altezza.
• 0.103125 0.121296: il riquadro è largo circa il 10% dell'immagine e alto il 12%.

Esempio pratico: converti un riquadro in pixel#

Gli strumenti di annotazione spesso esportano le coordinate degli angoli in pixel (x1, y1, x2, y2). Dividile per le dimensioni dell'immagine. La persona più a sinistra nell'immagine bus.jpg da 810×1080 dell'ultima lezione si estende da (49, 398) a (240, 902):

La maggior parte degli strumenti di annotazione, e strumenti come Roboflow, possono esportare direttamente nel formato YOLO. Per COCO JSON, segui la guida all'addestramento con COCO JSON; il repository JSON2YOLO tratta altri formati. Per i file XML Pascal VOC, la formula qui sopra si presta a uno 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())

Eseguito su un bus.xml che contiene i riquadri della persona e dell'autobus della lezione precedente, stampa l'esempio pratico e quello dell'autobus:

0 0.178395 0.601852 0.235802 0.466667
1 0.495679 0.454167 0.991358 0.482407

Controlla prima di addestrare#

Visualizza alcuni file di etichette sulle relative immagini. Una classe spostata, le coordinate x e y scambiate o riquadri attorno alle ombre sono evidenti a occhio, ma invisibili nelle metriche:

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"},
)

Poi lascia che Ultralytics controlli ogni file. La prima volta che legge un dataset, analizza le etichette e decide riga per riga se ogni immagine è utilizzabile:

La riga di scansione riporta il risultato: 23 images, 0 backgrounds, 0 corrupt indica un dataset in buono stato. Qualsiasi altro risultato corrisponde a uno degli errori qui sotto.

Evita questi errori#

Per controlli sistematici su un intero dataset, consulta Controllo qualità dei dataset. I dataset integrati come coco8, coco128 e african-wildlife sono buoni esempi di struttura da copiare; la panoramica dei dataset li elenca tutti. Il trainer applica l'aumento dei dati alle tue etichette, quindi una rapida pulizia dei dati in questa fase è utile a ogni epoca.