在opencv中如何加载数据集，然后分为训练集，测试集和验证集

在OpenCV中，可以使用cv::imread函数来读取图像数据，同时可以使用cv::glob函数来获取指定目录下的所有图像文件。在加载数据集时，一般需要将数据集随机划分为训练集、测试集和验证集三部分。可以通过使用C++ STL中的随机数生成函数std::shuffle来随机打乱数据集，并按照比例划分为三部分。具体实现可以参考以下代码：

#include <opencv2/opencv.hpp>
#include <algorithm>
#include <iostream>
#include <vector>

using namespace cv;
using namespace std;

int main()
{
    // 定义存储图像路径的向量
    vector<String> img_paths;
    // 获取指定目录下的所有jpg格式文件
    glob("path/to/images/*.jpg", img_paths, false);

    // 打乱图像路径的顺序
    random_shuffle(img_paths.begin(), img_paths.end());

    // 划分训练集、测试集和验证集
    int n = img_paths.size();
    int train_num = n * 0.6;  // 训练集占60%
    int test_num = n * 0.2;   // 测试集占20%
    int val_num = n - train_num - test_num;  // 验证集占剩下的20%

    vector<String> train_paths(img_paths.begin(), img_paths.begin() + train_num);
    vector<String> test_paths(img_paths.begin() + train_num, img_paths.begin() + train_num + test_num);
    vector<String> val_paths(img_paths.begin() + train_num + test_num, img_paths.end());

    // 输出各部分数据集的大小
    cout << "Train set size: " << train_num << endl;
    cout << "Test set size: " << test_num << endl;
    cout << "Validation set size: " << val_num << endl;

    return 0;
}