(6)机器学习小白入门 YOLOv:图片的数据预处理

(1)机器学习小白入门YOLOv ：从概念到实践
(2)机器学习小白入门 YOLOv：从模块优化到工程部署
(3)机器学习小白入门 YOLOv： 解锁图片分类新技能
(4)机器学习小白入门YOLOv ：图片标注实操手册
(5)机器学习小白入门 YOLOv：数据需求与图像不足应对策略
(6)机器学习小白入门 YOLOv:图片的数据预处理
(7)机器学习小白入门 YOLOv：模型训练详解

在使用 YOLOv 模型进行目标检测前，图片的数据预处理是非常重要的一环，它决定了你训练出来的模型效果好不好、能不能泛化到实际场景中。下面我为你详细介绍 YOLOv 的数据预处理技术与步骤，帮助你更好地准备用于训练的数据。

一、YOLO 数据集结构要求

1. 常见文件夹结构（如使用 darknet 格式）：

yolov_dataset/
│
├── images/             # 放置图片
│   ├── train/
│   └── val/
│
└── labels/              # 对应的标签文件，即 label.txt 文件
    ├── train/
    └── val/

2. 图片命名要求：

• 所有图片以 .jpg 或者 .png 格式存储；
• train/val 中的图像名称要一致，如：

  images/train/1.jpg
  labels/train/1.txt
  
  images/train/2.jpg
  labels/train/2.txt
  

3. label.txt 文件格式：

每张图片对应的 label.txt 包含若干行（对应图像中有多少个目标），每一行为如下结构：

class_id x_center y_center width height

• x_center, y_center, width, height：归一化的坐标，范围 0~1。
• class_id：目标类别在类列表中的索引编号（从 0 开始）。

🛠️ 二、YOLO 数据预处理技术与步骤

1. 图像标准化（Normalize Image）

将图片尺寸统一到模型训练时使用的大小，例如：

from PIL import Image

def resize_image(img, target_size=(640, 640)): # YOLOv5 常用输入分辨率
    return img.resize(target_size)

2. 图像归一化（Normalize Pixel）

YOLO 训练过程中，一般使用以下方式进行图像归一：

import numpy as np

def normalize(img):
    # 将图片转换为 np.array
    img_array = np.array(img) / 255.0  # 归一到 [0,1] 区间
    return img_array

3. 标签标准化处理（Label Normalization）

将标注文件中的 x_center, y_center, width, height 按图像尺寸进行归一化，例如：

def normalize_label(label_path, image_width, image_height):
    labels = []
    with open(label_path, 'r') as f:
        lines = f.readlines()
    for line in lines:
        parts = line.strip().split()
        class_id, x_center, y_center, width, height = map(float, parts)
        # 归一化到 0~1
        x_center_norm = x_center / image_width
        y_center_norm = y_center / image_height
        width_norm = width / image_width
        height_norm = height / image_height
        labels.append(f"{int(class_id)} {x_center_norm:.6f} {y_center_norm:.6f} {width_norm:.6f} {height_norm:.6f}")
    return labels

4. 图像增强（Image Augmentation）（可选，但推荐使用）

图像增强是提高模型泛化能力的利器。你可以采用以下方式进行增强：

使用 albumentations 进行数据增强：

import albumentations as A

transform = A.Compose([
    A.HorizontalFlip(p=0.5),
    A.RandomBrightnessContrast(p=0.2),
    A.Rotate(limit=15, p=0.5),
    A.Cutout(num_holes=4, max_height=8, max_width=8, fill_value=0, p=0.3)
])

def augment_image(img):
    return transform(image=np.array(img))['image']

5. 分割数据集（Train/Val/Test）

使用 sklearn 或自定义方式划分训练集与验证集：

from sklearn.model_selection import train_test_split

# 假设 images_list 是你的图像文件名列表
train_files, val_files = train_test_split(images_list, test_size=0.2, random_state=42)

三、使用 LabelImg 等工具生成标签（可选）

你还可以编写脚本将 .xml 转换为 YOLO 可读的 label.txt 文件：

import xml.etree.ElementTree as ET

def convert_xml_to_yolo(xml_path, img_w, img_h):
    tree = ET.parse(xml_path)
    root = tree.getroot()
    labels = []

    for obj in root.findall('object'):
        class_name = obj.find('name').text
        class_id = 0  # 根据你自己的类定义填写 class_id
        box = obj.find('bndbox')
        x_min = int(box.find('xmin').text)
        y_min = int(box.find('ymin').text)
        x_max = int(box.find('xmax').text)
        y_max = int(box.find('ymax').text)

        width = x_max - x_min
        height = y_max - y_min

        xc = (x_min + x_max) / 2 / img_w
        yc = (y_min + y_max) / 2 / img_h
        w = width / img_w
        h = height / img_h

        labels.append(f"{class_id} {xc:.6f} {yc:.6f} {w:.6f} {h:.6f}")
    return labels

四、预处理完整流程图（可选）

你可以使用如下结构进行训练数据的预处理：

五、小结