典型文献
自定义目标检测数据集的收集与半自动标注
文献摘要：
基于深度学习的目标检测方法应用越来越广泛,对于特定的检测问题,公共数据集已经难以满足要求.为提高自定义目标检测数据集的创建效率,以自定义安全帽佩戴检测数据集为例,基于Scrapy爬虫框架、OpenCV库和YOLOv5目标检测算法设计了一种自定义目标检测数据集的收集与半自动标注方法.该方法通过Scrapy爬取和OpenCV获取视频帧的方式得到图片数据,采用直方图法进行图片去重.使用公共数据集训练YOLOv5s模型,并通过训练好的模型对收集的图片预测目标框和类别生成对应的标注文件,然后通过标注文件筛选高质量数据,并使用LableImg软件人工纠正错误标注,共获取到21069张图片,去重过滤了5053张图片,经过生成标注和人工修正后得到10967个数据.实验结果表明,该方法可以避免人工收集和标注数据效率低的问题,大大节约了创建自定义目标检测数据集的时间,可较快获得拥有大量数据的数据集.
文献关键词：
Scrapy;目标检测;数据集;标注;OpenCV
中图分类号：
作者姓名：
邓庆昌;程科
作者机构：
江苏科技大学计算机学院,江苏镇江212000
文献出处：
引用格式：
[1]邓庆昌;程科-.自定义目标检测数据集的收集与半自动标注)[J].软件导刊,2022(11):116-122
A类：
LableImg
B类：
自定义,检测数据集,半自动标注,目标检测方法,检测问题,公共数据,满足要求,义安,安全帽佩戴检测,集为,Scrapy,爬虫,OpenCV,目标检测算法,算法设计,标注方法,爬取,视频帧,图片数据,直方图,图法,集训,YOLOv5s,练好,注文,质量数据,纠正错误,错误标注,共获,取到,大节
AB值：
0.327419
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
