roboflow / roboflow/roboflow-python

Name of validation folder for classification training (Export: Folder Structure)

Abierto
#153 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Lenguaje dominante
Python
Estrellas
629
Forks
140
Merge medio
2 d 2 h
PR fusionados (30 d)
5

Descripción

Hi,

when exporting an image classification dataset from Roboflow as Folder Structure format with train/validation splits, the folder which contains validation images is automatically named valid. However, YOLOv5-cls training expects the validation folder to be named val (see here) and throws an error if there is only a valid folder (and no test split). I checked all Roboflow notebooks for classification training and in none of the training procedures a valid folder is actually used for validation.

If the default name for the validation split when exporting a dataset as Folder Structure format would be changed from valid to val, YOLOv5-cls classification training would work as expected, when no test split was created.

Thanks!

Guía de contribución

Abrir la guía de contribución

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Línea de trabajo

Empieza rastreando el exportador Folder Structure y compara la nomenclatura de su directorio de validación con lo que espera classify/train.py de YOLOv5. Se considera terminado cuando una exportación con particiones de train y validation, pero sin partición de test, produce un directorio val que el entrenamiento de clasificación de YOLOv5 puede usar.

Escrito por el modelo de indexación a partir del texto del issue.

Evaluación

Stack tecnológico
python
Área
computer-vision, machine-learning
Tipo de issue
Error
Dificultad
3/5
Tiempo estimado
1-2 días
Estado de actividad
Estancado
Claridad
Bastante claro
Aptitud para principiantes
42/100

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.