yolo数据集的数据增强 可实现带标签扩增

这是数据集扩增的小工具,在您想使用yolo等目标检测算法时数据集较少的情况下进行变化增强图片。

(支持LabelIMg和LabelMe标注的文件)

包括3个python文件

(rename_file.py、DataAugmentforLabelImg.py和DataAugmentforLabelMe.py)

  1. rename_file.py能实现文件的重命名,注意修改文件的路径

  2. DataAugmentforLabelImg.py能实现LabelImg标注后的图片的增强(包括模糊,亮度,裁剪,旋转,平移,镜像等变化)

  3. DataAugmentforLabelMe.py能实现LabelMe标注后的图片的增强(包括模糊、亮度、平移、镜像等变化)

注意:一些包的安装是必要的,比如Opencv_python等 ##将您需要增强的图片放在对应的文件夹即可,具体可参考demo给出的图片和xml文件存放路径,您放入即可 保存结果:

  1. 目标检测增强后的图片默认会保存在./data/Images2中,xml文件会保存在./data/Annotations2中(包括新的图片和xml文件)

  2. 目标分割增强后的图片默认会保存在./data2中(包括新的图片和json文件)

  3. 可以实现自我设置数据增强数量

具体效果如下展示:

原图:

watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd2l6X2s=,size_20,color_FFFFFF,t_70,g_se,x_16

数据增强后:

 watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd2l6X2s=,size_20,color_FFFFFF,t_70,g_se,x_16

watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd2l6X2s=,size_20,color_FFFFFF,t_70,g_se,x_16

 watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd2l6X2s=,size_20,color_FFFFFF,t_70,g_se,x_16

代码链接:https://github.com/cuitno1/Data-enhancement 

猜你喜欢

转载自blog.csdn.net/qq_39740357/article/details/123258697
今日推荐