制作自己的训练集 下图是我们数据的存放格式，在data目录下有验证集与测试集分别对应iris_test， iris_train 为了向伟大的MNIST致敬，我们采用的数据名称格式和MNIST类似 classification_index.jpg 图像的index都是5的整数倍是因为我们选择测试集的原则是每5个样本，选择一个样本作为测试集，其余的作为训练集和验证集 生成这样数据的过程相对简单，如果有需要python代码的，可以给我发邮件，或者在我的github下载 至此，我们的训练集，测试集，验证集就生成成功了，之所以我们的文件夹只有训练集和测试集是因为我们在后续的训练过程中，会在训练集

U-net实例分割，训练自己的数据集，模型简洁，易于学习。

tensorflow版本 Faster RCNN训练自己的数据集-附件资源

该资源主要包括： 1.基于yolov7的训练好的二维码检测模型 2.二维码的yolo格式数据集 3.yolov7训练自己的数据集的教程 4.yolov7环境配置教程 5.yolov7训练测试教程 6.上千张已标注好的二维码数据集

参考博客链接：https://blog.csdn.net/m0_46384757/article/details/116424523

YOLOV4 训练自己的数据集，在yolov4源码的基础上修改后的代码

训练自己的数据集 感谢 大佬的开源！！！ DataXujing 我们以训练YOLOv4-P7为例，介绍如何基于Scaled YOLOv4训练自己的数据集 0.环境配置 python3.7 cuda 10.2 pytorch==1.6.0 torchvision==0.7.0 # mish-cuda # 使用预训练的模型 git clone https://github.com/thomasbrandon/mish-cuda mc cd mc # change all of name which is mish_cuda to mish_mish and build. # 1. mc/src/mish_cuda -> mc/src/mish_mish # 2. mc/csrc/mish_cuda.cpp -> mc/csrc/mish_mish.cpp # 3. in mc/setup.p

【小白CV】手把手教你用YOLOv5训练自己的数据集（从Windows环境配置到模型部署）_梁瑛平的博客-CSDN博客.pdf

pytorch MaskRCNN-Benchmark框架训练自己的数据集，类别数量不同-附件资源

用于训练自己制作的数据集的一个项目。关于如何制作自己的数据集 http://tech.ifeng.com/a/20171014/44715883_0.shtml 盯住梅西：TensorFlow目标检测实战 上面有详细的介绍。