YOLO格式数据集【数据增强】终极脚本 | 70+种顶级数据增强方法 | 可带标签增强

已于 2025-01-09 19:12:38 修改
阅读量4.3k 收藏 48
点赞数 18
CC 4.0 BY-SA版权
分类专栏： YOLOv8改进实战🚀 YOLOv11改进实战 YOLOv10改进实战 文章标签： YOLO YOLOv8 YOLO11 YOLOv10 数据增强 YOLOv5 人工智能
于 2024-12-31 17:41:24 首次发布
原创文章为博主个人所有，未经授权不得转载、摘编、传播、倒卖、洗稿或利用其它方式使用上述作品。违反上述声明者，本站将追求其相关法律责任。
本文链接：https://blog.csdn.net/weixin_43694096/article/details/144854581
YOLOv8改进实战🚀 同时被 3 个专栏收录
154 篇文章 ¥299.90 ¥399.90
订阅专栏
YOLOv10改进实战
105 篇文章 ¥299.90 ¥399.90
订阅专栏
YOLOv11改进实战
20 篇文章 ¥239.90 ¥399.90
订阅专栏

在这里插入图片描述

所有的增强内容来自 Albumentations 库，
文档地址：https://albumentations.ai/docs/

一、前言

在目标检测、图像分割、图像分类等任务中，数据增强（Data Augmentation） 已经成为提升模型鲁棒性、避免过拟合的一个重要手段。对于目标检测任务中常见的 YOLO 格式标签而言，如何在图像增强的同时保证 标签的坐标同步变换，成为一个需要重点关注的问题。

本文将介绍一个基于 Albumentations 库来进行 图像增强 的脚本。这个脚本不仅支持 单进程/并行 两种方式来处理大量图像，还可以通过命令行灵活配置各项参数与数据路径。

为什么选择 Albumentations?

  • Albumentations
了解本专栏 订阅专栏 解锁全文
YoloV8数据处理：数据增强篇|图像旋转
m0_47867638的博客
03-18 4018
假设一种情况：数据集是别人给你做好的Yolo格式的数据，是遥感或者无人机拍摄的数据。我们对其做一些旋转增强。
YOLOv11在小数据集上的微调高级指南：数据增强、冻结层与泛化优化策略
最新发布
专注Java开发与国产数据库技术分享，涵盖达梦DM8/OceanBase/GaussDB核心原理与实战，兼及DeepSeek大模型部署、YOLOv11训练等AI技术，为开发者提供从基础到进阶的技术干货。
06-22 1335
小数据集微调YOLOv11目标检测模型的关键技术与策略 摘要： 本文系统探讨了在小数据集场景下微调YOLOv11目标检测模型的核心挑战和解决方案。针对数据量不足导致的过拟合和表征偏置问题，提出了多维度技术框架：(1)数据层面通过几何变换、Mosaic增强和语义保持的色彩变换等策略扩展数据分布；(2)模型层面采用分层冻结、正则化组合和模型蒸馏等方法优化网络训练；(3)算法层面结合迁移学习与自监督预训练。实验表明，合理组合这些技术可以在5000张图像的小数据集上提升12-18%的mAP性能。文章详细解析了YOL
常用的图像数据增强脚本-python
weixin_43213607的博客
07-18 628
import xml.etree.ElementTree as ET import pickle import os from os import getcwd import numpy as np from PIL import Image import shutil import matplotlib.pyplot as plt import imgaug as ia from imgaug import augmenters as iaa ia.seed(1) def read_xml_ann
YOLO 数据增强 Python 脚本（可选次数，无限随机增强）- 一键执行搞定，自动化提升训练集质量 | 幽络源
幽络源
12-17 3202
本文提供了一款 YOLO 数据增强 Python 脚本，支持灵活选择增强次数，自动化处理图片和标签，无需编程基础即可完成图像增强。适用于训练集和验证集的数据准备，提升目标检测模型的训练质量。通过简单的配置，即可获得无限随机增强的效果，轻松解决小样本数据集问题。
yolo数据集的数据增强 可实现带标签扩增
热门推荐
qq_39740357的博客
03-03 2万+
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） rename_file.py能实现文件的重命名,注意修改文件的路径 DataAugmentforLabelImg.py能实现LabelImg标注后的图片的增强（包括模糊，亮度，裁剪
深度学习之数据增强脚本（支持Cutout，旋转，平移等操作并自动生成新的xml文件）
m0_59208577的博客
04-12 2384
在学习目标检测时，有时会发现数据量不够，这时候便需要对数据进行扩充，这里给出一个数据增强脚本，可用于使用目标检测算法时数据量太少的情况。 该脚本支持对输入的图片进行Cutout，旋转、翻转、平移、加噪声、调整亮度、剪裁、镜像等操作，输入图片文件夹的路径、以及对应xml文件的路径，运行代码即可进行数据增强，新生成的图片以及xml文件会保存在原图片以及xml路径下，对图片进行随机的操作后，会对xml文件的内容进行相应的修改，不需要自己手动重新标注。
yolo数据增强、yolo已标注数据集增强、.txt格式数据集增强；包含旋转、平移、翻转、裁剪、调整亮度和增加噪声6中增强方式
09-16
yolo数据增强、yolo已标注数据集增强、.txt格式数据集增强；包含旋转、平移、翻转、裁剪、调整亮度和增加噪声6中增强方式。 yolo数据增强、yolo已标注数据集增强、.txt格式数据集增强；包含旋转、平移、翻转、...
适用YOLO5-yolo11系列算法-台湾省电动车车牌识别数据集782张带yolo格式标签+数据增强脚本程序（可再做数据增强）.zip
03-18
适用YOLO5-yolo11系列算法-台湾省电动车车牌识别数据集782张带yolo格式标签+数据增强脚本程序（可再做数据增强）.zip 适用与yolo全系列算法，yolov5、yolov6、yolov7、yolov8、yolov9、yolov10、yolo11、yolo12 目标...
【深度学习】数据增强脚本
qq_45437316的博客
11-19 164
【代码】【深度学习】数据增强脚本。
数据增强脚本非常好用
qq_46019455的博客
10-18 338
页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的。
Python实现Yolo目标检测全面数据增强脚本 - 提升模型性能和泛化能力
12-28
这个资源包含一个为Yolo目标检测模型特别设计的数据增强Python脚本。脚本采用多种数据增强技术，包括图像缩放（保持比例和下降比例）、随机水平和垂直翻转、中心裁剪，以及图像属性（亮度、对比度、饱和度）调整。此外，它还提供了高斯噪声、盐噪声和椒噪声的添加功能，使模型能够更好地处理现实世界中的图像。这些数据增强技术能够显著提高目标检测模型在多样化环境下的准确性和鲁棒性。 这个脚本非常适合机器学习和计算机视觉研究者，尤其是那些使用Yolo进行目标检测的开发者。通过本脚本，用户可以轻松地对他们的数据集进行增强处理，从而提高模型的泛化能力和性能。无论您是深度学习的新手还是经验丰富的研究者，这个资源都是您的理想选择。
scripts_for_augmentations:数据（图像）增强脚本
03-22
scripts_for_augmentations 数据（图像）增强脚本
Matlab数据增强
10-23
matlab的一个小脚本，用于训练数据不够时数据增强使用
数据增强方法
03-03
深度学习在数据量较小的情况下需要进行数据增强操作。本代码可以进行执行，增强数据
labelme数据增强
09-08
用该文件可以实现以下功能: 用labelme工具打1张图片的标签,生成1.png和1.json 在终端中运行命令python a.py生成20张数据增强后的图片及其对应的json文件,包括翻转,加噪,模糊,加减曝光等图片 在终端中运行python labelme2COCO.py生成COCO格式数据集,可以进行mask-rcnn 和faster-rcnn 等的输入数据集
分享一下自己写的一个Yolo的数据增强脚本
m0_50317149的博客
10-11 654
最近在跑yolo，针对高分辨率的数据，目前所有的目标识别的模型精度都不高，因为传入网络后图片会被resize。我想训练一个模型用于分辨4k*8k分辨率的一个全景影像。这个脚本就是把标注的数据集横向平均切割成三个。具体就是先把图片切成3份，再切label。把yolo的标签还原成像素点坐标，然后根据像素点坐标判断这个目标是在这三块区域中的哪一块。写入对应的label就行。只需要修改main方法中的path即可。
yolo数据增强
m0_62024035的博客
10-22 1549
A.RandomCrop(width=450, height=450, p=0.5), # 随机裁剪。A.RandomBrightnessContrast(p=0.5), # 随机亮度和对比度。A.RandomGamma(p=0.5), # 随机伽玛值。A.HueSaturationValue(p=0.5), # 随机色调、饱和度和亮度。A.Rotate(limit=15, p=0.5), # 随机旋转。A.RandomGamma(p=0.5), # 随机伽玛值。# 保存增强后的图像和标签。
YOLOV8目标检测数据增强以及标签格式转换（详细）
xi125810的博客
04-21 6826
目标检测，#深度学习，#数据增强，#标签格式转换。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值