Chuẩn bị dataset tùy chỉnh

Lấy dataset thực hành#

Cấu trúc bên dưới cũng là định dạng zip mà hộp thoại Dataset mới của Ultralytics Platform chấp nhận, vì vậy dataset bạn chuẩn bị ở đây có thể tải lên nguyên trạng. Tải xuống 92 khung hình huấn luyện và 23 khung hình xác thực của thuốc trong vỉ, rồi giải nén vào 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)

Không có tệp kê khai. Ultralytics tìm từng nhãn bằng cách thay /images/ bằng /labels/ trong đường dẫn ảnh và thay phần mở rộng bằng .txt, vì vậy images/val/Frame_144.jpg đọc labels/val/Frame_144.txt. Có hai hệ quả:

• Các thư mục phải được đặt tên chính xác là images và labels, nằm cạnh nhau.
• Ảnh có tệp nhãn trống hoặc bị thiếu là ảnh nền: hợp lệ và hữu ích để dạy model những gì không nên phát hiện, nhưng chỉ khi đó là chủ ý của bạn.

Đọc một dòng nhãn#

Mỗi dòng biểu thị một đối tượng: chỉ số lớp dạng số nguyên, sau đó là tâm và kích thước bounding box tính theo tỷ lệ của chiều rộng và chiều cao ảnh. Một dòng thực tế từ labels/train/Frame_0.txt:

0 0.330729 0.816204 0.103125 0.121296

• 0: chỉ số lớp 0, được đặt tên là pill trong YAML.
• 0.330729 0.816204: tâm bounding box nằm ở vị trí 33% chiều ngang và 82% chiều dọc.
• 0.103125 0.121296: bounding box rộng khoảng 10% và cao 12% so với ảnh.

Ví dụ thực tế: Chuyển đổi bounding box theo pixel#

Các công cụ gắn nhãn thường xuất tọa độ góc theo pixel (x1, y1, x2, y2). Hãy chia cho kích thước ảnh. Người ở ngoài cùng bên trái trong bus.jpg kích thước 810×1080 từ bài học trước có bounding box từ (49, 398) đến (240, 902):

Hầu hết công cụ gắn nhãn và các công cụ như Roboflow đều có thể xuất trực tiếp định dạng YOLO. Với COCO JSON, hãy làm theo hướng dẫn huấn luyện COCO JSON; repository JSON2YOLO hỗ trợ các định dạng khác. Với XML VOC của Pascal, công thức trên có thể viết thành một script ngắn:

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())

Chạy trên bus.xml chứa bounding box người và xe buýt từ bài học trước, script sẽ in ví dụ thực tế và xe buýt:

0 0.178395 0.601852 0.235802 0.466667
1 0.495679 0.454167 0.991358 0.482407

Kiểm tra trước khi huấn luyện#

Vẽ một vài tệp nhãn lên ảnh tương ứng. Lớp bị lệch, tọa độ x và y bị đảo hoặc bounding box bao quanh bóng đổ đều dễ nhận ra bằng mắt nhưng không thể hiện qua các chỉ số:

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"},
)

Sau đó để Ultralytics kiểm tra mọi tệp. Lần đầu đọc dataset, Ultralytics quét nhãn và xác định từng ảnh có sử dụng được hay không, theo từng dòng:

Dòng quét báo cáo kết quả: 23 images, 0 backgrounds, 0 corrupt là trạng thái của một dataset tốt. Mọi kết quả khác đều là một trong những lỗi bên dưới.

Tránh những lỗi này#

Để kiểm tra có hệ thống trên toàn bộ dataset, xem Kiểm soát chất lượng dataset. Các dataset tích hợp như coco8, coco128 và african-wildlife là những cấu trúc tốt để tham khảo; tổng quan về dataset liệt kê tất cả. Trainer bổ sung tăng cường dữ liệu lên trên nhãn của bạn, vì vậy dành thời gian làm sạch dữ liệu ở bước này sẽ đem lại lợi ích trong mọi epoch.