今天小编就为大家分享一篇Pytorch 实现数据集自定义读取，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

以读取VOC2012语义分割数据集为例，具体见代码注释： VocDataset.py from PIL import Image import torch import torch.utils.data as data import numpy as np import os import torchvision import torchvision.transforms as transforms import time #VOC数据集分类对应颜色标签 VOC_COLORMAP = [[0,

摘要 前面基本已经将yolo3的大致细节都分析了，那么现在就要训练自己下载的数据集来看下效果，进行迁移学习，首先我会先对github本身自定义的custom数据集进行训练，只有一张照片，一个标签签，之后训练自己的数据集是摇从xml文件先提取标签，完全按照custom中的格式进行布局，然后修改一下cfg文件就可以运行。dataset源码是对txt文件的处理，在实际运行中对数据进行分析是利用panda，所以直接利用panda生成csv文件进行读取更加方便。代码githubhttps://github

本章详细讲解数据的处理问题，将coco数据集读取，以及之后自定义数据集的处理， 数据预处理思想 yolo3的数据集处理也是一大亮点，由于yolo3对数据集的输入有要求，指定的照片输入大小必须是416，所有对于不满足照片的大小有一系列的操作，如果直接resize操作，将直接损失照片信息，网络在学习分类的过程还要适应照片尺寸的问题，导致训练效果不佳，在yolo3中是先进行高和宽的调整一样大，在进行上采样的resize，同时要修改label的坐标位置，随机水平翻转，再一次随机变化大小，之后再变化到41