垃圾分类数据集yolo

### 寻找适用于YOLO模型训练的垃圾分类数据集

对于YOLO模型训练而言，合适的垃圾类数据集至关重要。一个广泛使用的公开数据集是“TrashNet”，该数据集包含了多种常见类型的垃圾图片，并进行了细致标注[^1]。

#### TrashNet 数据集特点
- **多样性**：涵盖了塑料瓶、纸张、金属罐等多种常见的生活垃圾种类。
- **高质量图像**：所有图像均为高分辨率照片，有助于提高模型识别精度。
- **详细标签**：每张图片都配有精确的对象边界框以及对应的类别信息。

为了更好地适应YOLO架构的需求，在使用此数据集前可能需要做一些预处理工作：

import os
from PIL import Image
import xml.etree.ElementTree as ET

def convert_annotation(image_id, list_file):
    in_file = open('annotations/%s.xml' % (image_id))
    tree=ET.parse(in_file)
    root = tree.getroot()

    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult)==1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (int(xmlbox.find('xmin').text), int(xmlbox.find('ymin').text),
             int(xmlbox.find('xmax').text), int(xmlbox.find('ymax').text))
        list_file.write(" " + ",".join([str(a) for a in b]) + ',' + str(cls_id))

wd = os.getcwd()
list_file = open('%s/train.txt'%(wd), 'w')

for image_set in sets:
    image_ids = open('ImageSets/Main/%s.txt'%(image_set)).read().strip().split()
    for image_id in image_ids:
        list_file.write('%s/JPEGImages/%s.jpg'%(wd, image_id))
        convert_annotation(image_id, list_file)
        list_file.write('\n')

list_file.close()

上述脚本展示了如何将原始XML格式的标注文件转换成适合YOLO输入的形式。具体来说就是读取每个对象的信息并将其写入到`.txt`文件中以便后续加载至YOLO框架内进行训练。