YOLO5 旋转模型图片标注及训练
YOLO5 旋转模型图片标注及训练
使用工具
图片获取工具—— opencv_display.py
图片标注工具—— rolabelimg
标注转换工具—— roxml_to_dota.py
模型训练代码—— YOLOv5_DOTA_OBB
图片标注
- 获取图片
新建文件夹,用来保存物体图片。图片要求:图片必须为方形(长、宽相等)、图片为.png
格式。
下载图片获取工具opencv_display.py
。
修改opencv_display.py
文件,主要修改起止点坐标以及图片保存目录,具体修改步骤参考视频获取图片
。
执行代码:roslaunch kinect2_bridge kinect2_bridge.launch # 打开新终端 conda activate YOLO python opencv_display.py
如果图片区域内没有要检测的物体,关闭代码重复调整脚本内容,使视野内有物体,在图片显示区域按动键盘
s
键实现图片获取工作。图片获取完成后,按ctrl + c
关闭代码。 - 图片标注
在rolabel
虚拟环境下跳转到~/Public/roLabelImg
目录下,运行roLabelImg.py
文件进行图片标注。conda activate rolabel cd cd Public/roLabelImg/ # 使用前可修改 data/predefined_classes.txt 文件修改要标注的物体类别。 python roLabelImg.py
标注工具界面如下:
点击界面左侧open dir
按钮,打开保存图片的文件夹。
点击界面的Create RotatedRBox
按钮进行旋转标注,拖动鼠标放置标注框,鼠标左击标注框四角的点进行拖动可调整标注框的大小, 鼠标右击标注框四角的点进行拖动可调整标注框的旋转角度,标注完成后点击save
键进行保存,重复以上步骤,完成所有图片的标注,保存时把所有的标注文件保存在同一个文件夹。标注过程参考视频标注图片
。
标注处理
- 下载训练模型文件。
下载YOLOv5_DOTA_OBB
代码到本地,解压文件夹到合适的目录,建议解压到Documents
目录下。 - 下载标注转换工具
roxml_to_dota.py
。
在脚本第123行修改dir
变量,修改为存放标签的文件夹路径,保存,运行该脚本,会在原来的标注文件夹生成 TXT 格式的标注文件。过程参考视频标注处理_01
。 - 复制图片文件以及标注文件。
跳转到目录YOLOv5_DOTA_OBB/DOTA_devkit_YOLO-master
文件夹下,修改文件dota_utils.py
,第18行,修改classnames_v1_5
内容为物体标注类别,注意类别顺序。
复制物体图片到YOLOv5_DOTA_OBB/DOTA_devkit_YOLO-master/DOTA_demo/images
文件夹下,将上个步骤生成的TXT
格式的标注文件复制到YOLOv5_DOTA_OBB/DOTA_devkit_YOLO-master/DOTA_demo/labelTxt
文件夹下。文件复制完成之后,运行YOLOv5_DOTA_OBB/DOTA_devkit_YOLO-master/YOLO_Transform.py
文件,运行完成之后会在YOLOv5_DOTA_OBB/DOTA_devkit_YOLO-master/DOTA_demo/yolo_labels
文件夹下生成新的标注文件。具体步骤参考视频标注处理_02
。
模型训练
- 复制图片到对应的路径。
跳转路径到刚才解压的文件夹下,将图片复制到./DOTA_demo_view/images
文件夹下,将YOLOv5_DOTA_OBB/DOTA_devkit_YOLO-master/DOTA_demo/yolo_labels
文件夹下新生成的标注文件复制到./DOTA_demo_view/labels
文件夹下。
修改文件./data/DOTA_ROTATED.yaml
,修改nc
为标签类别的数量,name
为标签类别信息,注意标签类别顺序。 - 开始训练
修改train.py
文件,第652行,将default=[600, 600]
修改为自己图片的分辨率。之后开始训练。如果报显存溢出的错误,可以尝试调整batch-size
以及device
的值消除报错。conda activate YOLO # 安装 swig cd \.....\yolov5_DOTA_OBB\utils sudo apt-get install swig # 生成 python 库, 该步骤仅执行一次,以后不需要重复执行 swig -c++ -python polyiou.i python setup.py build_ext --inplace # 开始训练 cd .. python train.py
- 复制训练好的权重文件。
训练完成后,终端会输出生成的权重以及权重目录,具体输出如图:
等待训练完成,将训练好的权重文件(best.pt)复制到目录/home/ts/catkin_ws/src/yolo_detection/src/YOLO/pick/
下。
YOLO5 旋转模型图片标注及训练相关推荐
- AI 图片截取、ffmpeg使用及安装, anaconda环境,图片标注(labelme),模型训练(yolov5),CUDA+Pytorch安装及版本相关问题
AI 图片截取(ffmpeg), anaconda环境,图片标注(labelme),模型训练(yolov5),CUDA+Pytorch安装及版本相关问题 一.截取有效图片 录制RTSP视频脚本 #!/ ...
- 13亿参数,无标注预训练实现SOTA:Facebook提出自监督CV新模型
作者|陈萍 来源|机器之心 Facebook AI 用 10 亿张来自Instagram的随机.未标注图像预训练了一个参数量达 13 亿的自监督模型 SEER,该模型取得了自监督视觉模型的新 SOTA ...
- 用yolo3训练自己的数据集(包含数据搜集,图片标注,图片批量命名以及如何修改代码)——口罩佩戴以及规范佩戴口罩检验
用yolo3训练自己的数据集--口罩佩戴及规范性佩戴检验 前言 1. 数据集处理 1.1 数据搜集(多途径) 1.2 自己制作数据集 2.图片标注 2.1 图片批量命名 2.2 使用labelimg进 ...
- (二)目标检测模型的评测与训练技巧
转载自知乎:https://zhuanlan.zhihu.com/p/34142321 关于作者: @李家丞同济大学数学系本科在读,现为格灵深瞳算法部实习生. -------------------- ...
- “智能”基石:人工智能数据标注与训练,是决定智能时代的第一步
记者 | 邓晓娟 2021年5月20日~23日,由深圳市科学技术协会.深圳市商务局.深圳市福田区人民政府共同指导,深圳市科技开发交流中心.深圳市人工智能行业协会联合主办的2021第二届深圳国际人工智能 ...
- 环境搭建、标注、训练、推断,超详细的目标检测开发流程
点击我爱计算机视觉标星,更快获取CVML新技术 本文转载自飞桨PaddlePaddle.基于PaddleDetection,详细描述了一个完整目标检测项目流程,非常值得收藏. [飞桨开发者说]:余志良 ...
- 如何写一个游戏AI(三)0-9手写数字图片识别AI训练
接上回书,那么如何写一个入门的简单AI训练(0-9)数字图片试别AI.本文的程序,配合我训练的模型试别准确率只有98.8%,不过也是算是给我开辟了新的知识面. 1.为什么使用卷积神经网络 原因有二:1 ...
- 目标检测之YOLO模型数据生成及训练
目录 1.数据准备 2.将视频切成图片 3.标注工具标图输出xml文件 4.转换文件格式 1)去除未标注的图片 2)xml文件格式转换 3)图片和txt文件汇总成训练文件 4)在darknet/scr ...
- 借助numpy.rot90实现图片顺时针旋转90°,旋转后图片没有黑边
返回numpy 类型图片, numpy 通道是 "BGR" import cv2 import glob import numpy as np from PIL import Im ...
最新文章
- IOS一些显示效果和动画效果资料
- 离散小波变换 python_CDF 9/7离散小波变换(卷积)
- 增大mysql修改表空间_Oracle修改表空间为自动扩展
- 日志框架NLog之将日志发送到邮件
- 前端学习(1045):todolist本地存储加载到页面
- 学姐百度实习面经(轻松拿offer)
- MySQL学习之备份
- 服务器系统安装oracle数据库,oracle数据库服务器安装教程
- 源码分析——ConcurrentHashMap
- 针对部分软件无法开机自启动情况的解决措施(已解决)
- 运放输入偏置电流方向_运放-输入偏置电流与输入失调电流
- 秒杀活动总结(秒杀之一)
- 恶劣的仿造文化:从meebo到米博
- 每日小技巧,用python给喜欢的主播自动发弹幕
- Python 各种测试框架简介(三):nose
- teamviewer 5分钟断线解决办法
- 2021年起重机械指挥考试技巧及起重机械指挥证考试
- 携手华为打造鲲鹏产业生态 | 麒麟信安亮相鲲鹏开发者创享日·长沙站
- nginx配置防止域名恶意解析
- node.js毕业设计安卓基于Android的超市会员管理系统开发(程序+APP+LW)