📦 (2:12 - 3:01) 数据集准备流程总览

制作数据集需要解决 3 个核心问题：

1. 图片从哪里来？(题)
2. 标签从哪里来？（答案）
3. 怎么划分数据集？（分成3套试题）

👉 完成后才能开始训练

---

🌐 (5:00 - 7:02) 数据集网站推荐

⭐ 1. Roboflow Universe（重点）/Kaggle

---

✔ 如何判断数据集质量？

情况	建议
图片很少（几十张）	❌ 跳过
类别混乱	❌ 跳过
类别清晰 + 数量多	✅ 可用

---

✔ 下载方法选择：

• • YOLO格式（YOLO11）

  • 不同格式只是标签的书写格式不同，但训练某种模型就必须要使用它接受的数据集格式

---

📸 (9:30 - 11:40) 自制数据集（重点）

---

数据来源：

---

✔ 图片来源

1. 网上下载

2. 爬虫（⚠️ 小心法律风险）

3. 自己拍摄（推荐）

---

✔ 推荐方法：视频 → 图片

步骤：

1. 拍视频

2. 抽帧生成图片

---

🎯 拍摄原则（很重要）

你想让模型识别什么 → 就拍什么

要覆盖：

• 不同角度

• 不同光照

• 不同背景

---

🧰 (11:40 - 13:58) 自动提取图片

• 用Python脚本（AI帮你写）

• 从视频提取帧 

👉 可调参数：

• 抽帧间隔（控制图片数量）

---

🏷 (13:58 - 16:10) 标签制作（核心）

---

📁 结构

labels/
 ├── classes.txt

---

✔ classes.txt

class1
class2
class3

---

✔ 标注工具：LabelImg

必须设置：

👉 格式 = YOLO（在LabelImg左侧可以选择）

---

✔ 标注规则（重点🔥）

👉 核心原则：
你希望模型怎么预测 → 就怎么标

📦 框的要求:

• 紧贴目标

• 不要太大

• 不要太小

---

🤖 (16:10 - 22:42) 半自动标注（效率神器）

🚀 思路

1. 标一小部分数据

2. 训练一个“学渣模型”

3. 用模型自动预测

4. 生成伪标签

5. 人工微调

✔ 优点

• 大幅减少工作量

---

✂️ (24:19 - 25:55) 数据集划分

✔ 使用脚本自动随机划分train.val.test

生成：

images/
 ├── train
 ├── val
 └── test

labels/
 ├── train
 ├── val
 └── test