### 使用Python实现YOLO数据集自动划分 为了实现YOLO数据集的自动划分，可以编写一段脚本用于将图像和标签文件划分为训练集、验证集和测试集。以下是基于Python的一个简单实现方法： #### 数据集结构说明 假设数据集目录如下所示： ``` dataset/ ├── images/ │ ├── image1.jpg │ ├── image2.jpg │ └── ... └── labels/ ├── image1.txt ├── image2.txt └── ... ``` #### 自动划分代码示例 以下是一个完整的代码片段，用于按照指定比例（如8:1:1）随机划分数据集。 ```python import os import random from shutil import copyfile def split_dataset(image_dir, label_dir, output_dir, train_ratio=0.8, val_ratio=0.1, test_ratio=0.1): """ Split the dataset into training, validation and testing sets. Args: image_dir (str): Directory containing all image files. label_dir (str): Directory containing corresponding label files. output_dir (str): Output directory where splits will be saved. train_ratio (float): Proportion of data used for training. val_ratio (float): Proportion of data used for validation. test_ratio (float): Proportion of data used for testing. """ if not os.path.exists(output_dir): os.makedirs(os.path.join(output_dir, 'train/images')) os.makedirs(os.path.join(output_dir, 'train/labels')) os.makedirs(os.path.join(output_dir, 'val/images')) os.makedirs(os.path.join(output_dir, 'val/labels')) os.makedirs(os.path.join(output_dir, 'test/images')) os.makedirs(os.path.join(output_dir, 'test/labels')) # Get list of filenames without extensions file_names = [os.path.splitext(f)[0] for f in os.listdir(image_dir) if f.endswith(('.jpg', '.png'))] # Shuffle the list randomly random.shuffle(file_names) total_files = len(file_names) train_split = int(train_ratio * total_files) val_split = int((train_ratio + val_ratio) * total_files) # Define subsets based on ratios train_set = file_names[:train_split] val_set = file_names[train_split:val_split] test_set = file_names[val_split:] # Function to move/copy files def copy_files(subset_name, subset_list): for fname in subset_list: src_image_path = os.path.join(image_dir, f"{fname}.jpg") # Assuming .jpg extension dst_image_path = os.path.join(output_dir, subset_name, 'images', f"{fname}.jpg") src_label_path = os.path.join(label_dir, f"{fname}.txt") dst_label_path = os.path.join(output_dir, subset_name, 'labels', f"{fname}.txt") if os.path.isfile(src_image_path): copyfile(src_image_path, dst_image_path) if os.path.isfile(src_label_path): copyfile(src_label_path, dst_label_path) # Copy each set's files copy_files('train', train_set) copy_files('val', val_set) copy_files('test', test_set) if __name__ == "__main__": IMAGE_DIR = './dataset/images' # Path to your image folder LABEL_DIR = './dataset/labels' # Path to your label folder OUTPUT_DIR = './dataset/split' split_dataset(IMAGE_DIR, LABEL_DIR, OUTPUT_DIR) ``` 此代码会根据`train_ratio`, `val_ratio`, 和 `test_ratio`的比例来分割数据集，并将其保存到新的子目录中[^1]。 --- ### 关键点解释 - **路径管理**: 脚本中的输入参数指定了原始图片和标注文件的位置以及输出位置。 - **随机化处理**: 利用`random.shuffle()`函数打乱文件列表顺序，确保每次运行的结果具有一定的随机性。 - **多线程优化**: 如果数据量较大，可以通过引入多进程或多线程技术进一步提升效率。 上述代码实现了基本的数据集划分功能，适用于大多数场景下的YOLO模型训练需求[^3]。 --- ### 注意事项 如果遇到DLL加载失败等问题，则可能是因为环境配置不正确或者依赖库版本冲突引起的。建议通过官方文档或清华镜像源安装最新版OpenCV-Python以解决此类问题[^2]。 ---