YOLO实践之数据集合并与自动打标 @李欣桓 @程宏

用户8611

用户9928

用户4207

2025年4月2日修改

🌅

YoLo Master项目

•
白皮书链接 ​YOLO Master白皮书规划​

•

章节内容

在本章教程中，我们选取的示例数据集来自鱼眼镜头_智能销售数据集和饮料数据集两个数据集，我们会对两个数据集进行格式转化处理，合并和采样，来手把手的教大家如何进一步的处理私有数据集，并训练自定义模型（YOLOv8m），结合打标工具X-AnyLabeling进行自动打标。

相关文档：

1.
​YOLO实践之数据集制作与整理@程宏 @刘伟鸿本文介绍了主要计算机视觉任务和典型的数据集，着重介绍了VOC和COCO数据集，并对实战教程中的数据集处理进行了详细的讲解​

YOLO系列算法实操教程

YOLO系列入门实操教程【ultralytics YOLOv8m】

GitHub【Stanford Dogs Dataset basic tutorial with YOLOv8m】快速上手基于ultralytics YOLOv8m，并完成一个狗品种检测的实战项目。数据集来源于Stanford Dogs Dataset

YOLO系列进阶实操教程【ultralytics && OBB tasks】

GitHub 本章通过DOTAv1样例数据集演示如何在ultralytics项目中，实现YOLOV11-n OBB模型的训练及推理，来帮助学习者通过实操掌握对yolo系列模型的进阶操作。【ultralytics介绍+带旋转框的进阶教程】

任务数据集介绍与准备

数据集介绍

😀

在本检测任务章节中，我们选取的示例数据集来自于以下两个数据集，我们会对两个数据集进行格式转化处理，合并和采样，逐步教大家掌握如何处理私有数据集​

用于鱼眼镜头_智能销售数据集(数据为静态智能零售货柜采集摆放商品后的零售柜内部图片，由鱼眼摄像头拍摄)

“B站同济子豪兄”的开源的饮料数据集

注意：

1.
鱼眼镜头_智能销售数据集的照片所使用的拍摄设备是鱼眼镜头，与普通镜头不同的是鱼眼镜头拍摄的图片具有更广的视角和独特的畸变效果。但对本次示例实验影响不大，可放心使用。数据格式是VOC格式，后面的教程中会提供格式转化，不要担心~。​

饮料数据集来自github开源的的Train_Custom_Dataset ，教程中使用的是YOLO标注格式（已划分训练集和测试集）。repo中还有其他格式，注意不要下错哦！

3.
智能零售结算系统，其目的旨在于利用计算机视觉领域中国的图像识别及目标检测技术，精准地对顾客购买的商品进行智能化、自动化的价格结算。当顾客将自己选购的商品放置在指定区域的时候，一个理想的智能零售结算系统应当能够精准地识别每一个商品，并且能够返回完整地购物清单及顾客应付的实际商品总价格。​

鱼眼镜头_智能销售数据集数据示例展示

50%

饮料数据集数据示例展示

50%

测试数据集示例展示

为了测试X-AnyLabeling工具的自动打标效果，我们需要制作测试集用来测试。在此，我们新建了文件夹test_dataset用来测试。​

代码块

test_dateset​
├───test_images​
└───test_labels​

test_dataset文件夹下有子文件夹test_images，用来存放测试数据集，test_images内容如下​

YOLO实践之数据集合并与自动打标 @李欣桓 @程宏​