使用yolov7训练用labelme标注的数据集

1、下载安装

下载安装yolov7的命令如下所示，如果电脑没有装git可以直接到https://github.com/WongKinYiu/yolov7下，解压后在装有pytorch的cmd环境下进入目录执行pip install -qr requirements.txt 也行

git clone https://github.com/WongKinYiu/yolov7  # clone
cd yolov7
pip install -qr requirements.txt  # install

2、数据集处理

如果已经有处理好的数据集，就比如yolov7中默认的coco数据配置，可以不用进行一下操作。

2.1 准备自己的数据集

从labelme标注数据，到转换为json格式可以参考一下链接实现：
https://hpg123.blog.csdn.net/article/details/127250372。为了方便大家，博主也将自己转换好的yolo数据上传到了gitcode，（只标注了60个图片，60个标签训练出来效果可能不是很好）。数据下载链接：https://gitcode.net/a486259/data/-/blob/master/shipdata_yolo.zip

2.2 创建数据集的yaml文件

这里train就是设置训练集的路径，val是设置验证集的路径，test是设置测试集的路径。博主这里由于标注的数据有限，因此train与test都设置成了一个路径。nc是设置类别数，names是类别名称。

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: D:\\Img_data\\shipdata_yolo\\images\\train
val: D:\\Img_data\\shipdata_yolo\\images\\val
test: D:\\Img_data\\shipdata_yolo\\images\\train  # number of classes
nc: 1# class names
names: [ 'ship' ]

将上述代码保存到yolov7项目中data目录下，文件名为myship.yaml。后续在使用中myship就是数据集的名称。

3、训练模型

使用以下命令即可训练yolov7模型，训练模型时需要注意修改data/hyp.scratch.p5.yaml里面的学习率参数。针对不同的训练环境（显存），要调整batch-size，因此附带了调整学习率。训练前必须先将yolov7.pt存储到yolov7的根目录下，下载链接：https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7.pt

python train.py --workers 0 --device 0 --batch-size 8 --data data/myship.yaml --img 320 320 --cfg cfg/training/yolov7.yaml --weights 'yolov7.pt' --name yolov7 --hyp data/hyp.scratch.p5.yaml

除了train.py可以训练模型外，train_aux.py也可以训练模型（带辅助头的训练）。训练后保存的结果如下所示：

3.1 关键配置

–workers 0 用于设置dataloader的数量，在内存不够的电脑上通常设置为0
–device 0 用于设置gpu设备
–batch-size 用于设置batchsize
–data data/myship.yaml 用于设置数据集
–cfg cfg/training/yolov7.yaml 用于设置模型
–weights ‘yolov7.pt’ 用于设置预训练权重
–hyp data/hyp.scratch.p5.yaml 训练任务的超参数

需要进行更多的超参数设置请参考3.2

3.2 完整的训练参数

yolov7中完整的训练参数如下所示，

 parser.add_argument('--weights', type=str, default='yolov7.pt', help='initial weights path')parser.add_argument('--cfg', type=str, default='', help='model.yaml path')parser.add_argument('--data', type=str, default='data/coco.yaml', help='data.yaml path')parser.add_argument('--hyp', type=str, default='data/hyp.scratch.p5.yaml', help='hyperparameters path')parser.add_argument('--epochs', type=int, default=300)parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs')parser.add_argument('--img-size', nargs='+', type=int, default=[640, 640], help='[train, test] image sizes')parser.add_argument('--rect', action='store_true', help='rectangular training')parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')parser.add_argument('--notest', action='store_true', help='only test final epoch')parser.add_argument('--noautoanchor', action='store_true', help='disable autoanchor check')parser.add_argument('--evolve', action='store_true', help='evolve hyperparameters')parser.add_argument('--bucket', type=str, default='', help='gsutil bucket')parser.add_argument('--cache-images', action='store_true', help='cache images for faster training')parser.add_argument('--image-weights', action='store_true', help='use weighted image selection for training')parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')parser.add_argument('--multi-scale', action='store_true', help='vary img-size +/- 50%%')parser.add_argument('--single-cls', action='store_true', help='train multi-class data as single-class')parser.add_argument('--adam', action='store_true', help='use torch.optim.Adam() optimizer')parser.add_argument('--sync-bn', action='store_true', help='use SyncBatchNorm, only available in DDP mode')parser.add_argument('--local_rank', type=int, default=-1, help='DDP parameter, do not modify')parser.add_argument('--workers', type=int, default=8, help='maximum number of dataloader workers')parser.add_argument('--project', default='runs/train', help='save to project/name')parser.add_argument('--entity', default=None, help='W&B entity')parser.add_argument('--name', default='exp', help='save to project/name')parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')parser.add_argument('--quad', action='store_true', help='quad dataloader')parser.add_argument('--linear-lr', action='store_true', help='linear LR')parser.add_argument('--label-smoothing', type=float, default=0.0, help='Label smoothing epsilon')parser.add_argument('--upload_dataset', action='store_true', help='Upload dataset as W&B artifact table')parser.add_argument('--bbox_interval', type=int, default=-1, help='Set bounding-box image logging interval for W&B')parser.add_argument('--save_period', type=int, default=-1, help='Log model after every "save_period" epoch')parser.add_argument('--artifact_alias', type=str, default="latest", help='version of dataset artifact to be used')parser.add_argument('--freeze', nargs='+', type=int, default=[0], help='Freeze layers: backbone of yolov7=50, first3=0 1 2')parser.add_argument('--v5-metric', action='store_true', help='assume maximum recall as 1.0 in AP calculation')

3、评估模型

使用以下测试命令，需要注意的是部分参数格式与yolov5有所不同，比如没有了workers的设置，大部分参数与yolov5都是一样的。–task用于设置数据集中的train、test、val。

python test.py --device 0 --batch-size 2 --data data/myship.yaml --img-size 320 --weights 'runs/train/yolov7/weights/best.pt' --conf-thres 0.1 --iou-thres 0.7 --task train

输出结果如下图所示

评估后保存的结果信息如下所示：

3.1 关键配置说明

–device 0 用于设置推理设备
–batch-size 2 用于设置batchsize
–data data/myship.yaml 用于设置数据集
–task train 用于设置数据集中的 train、test、val
–img-size 320 用于设置图像大小
–weights ‘runs/train/yolov7/weights/best.pt’ 用于设置模型路径
–conf-thres 0.1 用于设置置信度阈值
–iou-thres 0.7 用于设置nms的iou阈值

3.2 完整的评估参数

完整的评估参数，支持结果保存为txt

 parser = argparse.ArgumentParser(prog='test.py')parser.add_argument('--weights', nargs='+', type=str, default='yolov7.pt', help='model.pt path(s)')parser.add_argument('--data', type=str, default='data/coco.yaml', help='*.data path')parser.add_argument('--batch-size', type=int, default=32, help='size of each image batch')parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')parser.add_argument('--conf-thres', type=float, default=0.001, help='object confidence threshold')parser.add_argument('--iou-thres', type=float, default=0.65, help='IOU threshold for NMS')parser.add_argument('--task', default='val', help='train, val, test, speed or study')parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')parser.add_argument('--single-cls', action='store_true', help='treat as single-class dataset')parser.add_argument('--augment', action='store_true', help='augmented inference')parser.add_argument('--verbose', action='store_true', help='report mAP by class')parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')parser.add_argument('--save-hybrid', action='store_true', help='save label+prediction hybrid results to *.txt')parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')parser.add_argument('--save-json', action='store_true', help='save a cocoapi-compatible JSON results file')parser.add_argument('--project', default='runs/test', help='save to project/name')parser.add_argument('--name', default='exp', help='save to project/name')parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')parser.add_argument('--no-trace', action='store_true', help='don`t trace model')parser.add_argument('--v5-metric', action='store_true', help='assume maximum recall as 1.0 in AP calculation')

4、测试数据

测试数据前要先准备好预训练模型（或者由代码自动下载相应的预训练模型）,模型存储在项目的根目录下。

4.1 测试图片

这里的source是文件路径，支持测试文件、文件夹、http文件、glob通配符。

python detect.py --weights 'runs/train/yolov7/weights/best.pt' --source D:/Img_data/shipdata_yolo/images/val/13.jpeg  --conf-thres 0.25 --iou-thres 0.45

执行输出信息如下所示

4.2 完整测试参数

parser.add_argument('--weights', nargs='+', type=str, default='yolov7.pt', help='model.pt path(s)')
parser.add_argument('--source', type=str, default='inference/images', help='source')  # file/folder, 0 for webcam
parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')
parser.add_argument('--conf-thres', type=float, default=0.25, help='object confidence threshold')
parser.add_argument('--iou-thres', type=float, default=0.45, help='IOU threshold for NMS')
parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
parser.add_argument('--view-img', action='store_true', help='display results')
parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')
parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')
parser.add_argument('--nosave', action='store_true', help='do not save images/videos')
parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --class 0, or --class 0 2 3')
parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')
parser.add_argument('--augment', action='store_true', help='augmented inference')
parser.add_argument('--update', action='store_true', help='update all models')
parser.add_argument('--project', default='runs/detect', help='save results to project/name')
parser.add_argument('--name', default='exp', help='save results to project/name')
parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
parser.add_argument('--no-trace', action='store_true', help='don`t trace model')