在YOLO格式的数据集中,train 和 val 通常是顶层目录,而 images 和 labels 则位于 train 和 val 目录下。具体的结构如下:
dataset/
│
├── train/
│ ├── images/
│ └── labels/
│
├── val/
在YOLO格式的数据集中,train 和 val 通常是顶层目录,而 images 和 labels 则位于 train 和 val 目录下。具体的结构如下:
dataset/
│
├── train/
│ ├── images/
│ └── labels/
│
├── val/
# YOLO Dataset Structure
## Original Dataset Structure
dataset
├── images
│ ├── image1.jpg
│ ├── image2.png
│ ├── image3.bmp| # based on https://github.com/BBarbosa/tflearn-image-recognition-toolkit/blob/ | |
| # 4a0528dcfb206b1e45997f2fbc097aafacfa0fa0/scripts/html_link_parser.py | |
| import re | |
| import argparse | |
| from PIL import Image | |
| from io import BytesIO | |
| from bs4 import BeautifulSoup | |
| from skimage import io as skio |
| TAB: 自动补全命令或文件名 | |
| CTRL + SHIFT + V: 粘贴(Linux中不需要复制的动作,文本被选择就自动被复制) | |
| CTRL + SHIFT + T: 新建标签页 | |
| CTRL + D: 关闭标签页 | |
| CTRL + L: 清空屏幕 | |
| CTRL + R + 文本: 在输入历史中搜索 | |
| CTRL + A: 移动到行首 | |
| CTRL + E: 移动到行末 | |
| CTRL + C: 终止当前任务 | |
| CTRL + Z: 把当前任务放到后台运行(相当于运行命令时后面加&) |