九宫格图片验证码训练集.md

九宫格图片验证码训练集

这篇主要想记录一下yolo训练数据集的准备过程，毕竟数据才是价值所在。

yolo训练集文件读取逻辑

下面说的内容都是基于darknet，已测试。

关于数据集准备过程我们之前说过，重复的内容就不说了(定位模型训练手册)，这里主要解决一下文件标注命名的问题，以及如何避免训练时遇到Too many or too few labels问题，这个问题的根源就是文件标签没有按yolo的规则整理好。

这里简单梳理一下逻辑，方便理解我们要怎么给训练集里的数据命名。

首先回忆一下我们训练分类器需要准备哪几个文件：

1. xx.data：定义模型使用到的所有文件路径

   classes = 144
   train = data/nine_train.txt
   labels = data/nine.labels
   backup = backup/
   top=1

2. xx.labels：所有分类的标签名称

   斧头
   螃蟹
   沙发
   帽子
   老虎
   气球
   ...

3. xx.txt：所有训练集文件的绝对路径

   /Users/train_file/nine/笔记本电脑_2dae8897ecb032a7daac908c31c596562.jpg
   /Users/train_file/nine/笔记本电脑_2dc1ad266d264d40bab65095a5ef86157.jpg
   /Users/train_file/nine/笔记本电脑_2dd25a294a4c7157f02aa92724d78ef31.jpg
   /Users/train_file/nine/笔记本电脑_2df0b329e546630547a4f1aa816d03ee4.jpg
   ...

假设我们现在有一批训练数据是这样的：

/Users/train_file/nine/笔记本电脑_2dae8897ecb032a7daac908c31c596562.jpg
/Users/train_file/nine/笔记本电脑_2dc1ad266d264d40bab65095a5ef86157.jpg
/Users/train_file/nine/笔记本电脑_2dd25a294a4c7157f02aa92724d78ef31.jpg
/Users/train_file/nine/笔记本电脑_2df0b329e546630547a4f1aa816d03ee4.jpg
...

在训练图片分类器时，图片的文件名要包含标注的标签信息，比如：

/Users/train_file/nine/笔记本电脑_2dae8897ecb032a7daac908c31c596562.jpg，这个图片文件

文件名分为三个部分

• 2dae8897ecb032a7daac908c31c596562：随机标签，用来防止文件名重复，用随机字符串都可以
• 笔记本电脑：标注的图片内容
• Jpg：文件格式

这里要注意：yolo读取的是文件绝对路径，在整个路径中不能包含多个标签

什么意思呢？举个例子：

• 在/Users/train_file/nine/笔记本电脑_2dae8897ecb032a7daac908c31c596562.jpg这个文件路径中，笔记本电脑是我们要分类的标签，因此不能用这种路径/Users/train_file/nine/笔记本电脑/笔记本电脑_2dae8897ecb032a7daac908c31c596562.jpg，这样的话yolo会在路径中读取到两个笔记本电脑标签，会提示Too many or too few labels 2；

分类的标签不能存在包含与被包含的关系

举个例子：

• 我们当前的分类任务要分类这些标签：

  斧头
  螃蟹
  沙发
  鳄鱼
  ...

  但是如果我们现在要加一个分类，叫做鱼，此时就变成了：

  斧头
  螃蟹
  沙发
  鳄鱼
  鱼
  ...

  这时候鳄鱼和鱼就组成了被包含的关系，也会报错。