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&) |