Question

我有一个对象检测算法的数据集，其中包含图片（.jpg）和相应的.xml文件，其中包含边界框。

我想编写一个脚本，将数据集随机分成训练集和测试集，这意味着我必须确保将具有相应XML的jpg分配到同一目录。

我应该如何编辑以下代码以实现此目的？

此外，这是“最佳”方法吗？还是在xml到csv转换后或生成csv到tfrecords转换后拆分数据集更好？

import shutil, os, glob, random

# List all files in a directory using os.listdir
basepath = '/home/createview/Vegard/createview/lice_detection_v2/workspace/images/Synced_dataset'
filenames = []

for entry in os.listdir(basepath):
    if os.path.isfile(os.path.join(basepath, entry)):
        #print(entry)
        filenames.append(entry)

filenames.sort()  # make sure that the filenames have a fixed order before shuffling
random.seed(230)
random.shuffle(filenames) # shuffles the ordering of filenames (deterministic given the chosen seed)

split = int(0.8 * len(filenames))
train_filenames = filenames[:split]
test_filenames = filenames[split:]

Answer 1

对我来说，最好的选择是以正确的顺序创建两个文件列表（filenames的{{1}}和jpg的{{1}}）和索引{ {1}}。

然后，您可以重新整理索引列表：

xmlnames

最后，为xml和indices=[i for i in range(len(filenames))]文件创建训练和测试集：

random.seed(230)
random.shuffle(indices)

将JPG和XML文件的数据集拆分为训练和测试集

1 个答案: