使用yolov5训练PASCAL VOC2012数据集以及遇到的坑
首先是pascal voc标签数据格式转yolo标签数据格式,这两种有什么区别,欢迎翻看之前的博客 PASCAL VOC格式的标注格式和YOLO格式的txt标记文件
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join# 要生成的文件夹
sets = [('2012', 'train'), ('2012', 'val')]# 类别
classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus","car", "cat", "chair", "cow", "diningtable", "dog", "horse","motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]def convert(size, box):dw = 1. / size[0]dh = 1. / size[1]x = (box[0] + box[1]) / 2.0y = (box[2] + box[3]) / 2.0w = box[1] - box[0]h = box[3] - box[2]x = x * dww = w * dwy = y * dhh = h * dhreturn (x, y, w, h)def convert_annotation(year, image_id,image_set):# 读取Annntation文件中的xml文件in_file = open('F:/data/VOCdevkit/VOC%s/Annotations/%s.xml' % (year, image_id))out_file = open('VOC2012/labels/%s/%s.txt' % (image_set,image_id ), 'w')tree = ET.parse(in_file)root = tree.getroot()size = root.find('size')w = int(size.find('width').text)h = int(size.find('height').text)for obj in root.iter('object'):difficult = obj.find('difficult').textcls = obj.find('name').textif cls not in classes or int(difficult) == 1:continuecls_id = classes.index(cls)xmlbox = obj.find('bndbox')b = (float(xmlbox.find('xmin').text),float(xmlbox.find('xmax').text),float(xmlbox.find('ymin').text),float(xmlbox.find('ymax').text))bb = convert((w, h), b)out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')# wd = getcwd()# 遍历sets = [('2012', 'train'), ('2012', 'val')]
for year, image_set in sets:# 在当前路径创建文件if not os.path.exists('VOC2012/labels/''%s' % (image_set)):os.makedirs('VOC2012/labels/%s' % (image_set))image_ids = open('F:/data/VOCdevkit/VOC%s/ImageSets/Main/%s.txt'% (year, image_set)).read().strip().split()if not os.path.exists('VOC2012/images/%s' % (image_set)):os.makedirs('VOC2012/images/%s' % (image_set))list_file = open('VOC2012/images/%s.txt' % (image_set), 'w')for image_id in image_ids:# 在images中创建一个txt写入每一个图片数据的绝对路径list_file.write('F:/data/VOCdevkit/VOC2012/JPEGImages/%s.jpg\n' % (image_id))convert_annotation(year, image_id,image_set)list_file.close()
VOC 数据集文件夹
建立一个文件夹VOC2012
其中train.txt存放的是图片的绝对路径
labels中存放的是每个图片的标签信息,yolo格式
创建一个yaml文件voc2012.yaml
看似是把一切弄好了是吧,结果疯狂报错,找不到label信息?WTF
好的,debug看看吧,最后找到了原因:
好吧,发现之前训练coco的时候就注意到这个函数过,然而一点印象没有,这个函数要做什么事情,如果你的images中的train和val亦或者还有test,你在里面存放的是图片,那向上面那么做,train一点事情没有,然而如果你的images中放的是train.txt和val.text那么,这个函数会把路径中的’JPEGImages’ 转换成’labels’那么我们必须去绝对路径中的那个文件夹中放置一个labels的文件夹,程序是实时读取这个文件夹中的txt文件
注意这里有我创建的一个labels文件夹,注意这里不区分为文件夹,将所有图片的label的标注信息txt文件都放在文件夹中即可
所以不需要在当前项目目录中创建labels文件夹了,照样可以train,当然可以不用这个函数,直接读取我们想要读取的地址应该也可以,但是这里就不做更改了,如果有人做了,并且有读者朋友看到了,麻烦评论区指路一下, 我去观摩一下,自己太懒不想改了,但是这样就比较麻烦的是如果用服务器读取的话,还是相对路径比较简单的,这里还是更改一下比较好,个人认为,以上就是全部内容。
补:使用服务器训练yolov5
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import joinsets = ['train', 'val']classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus","car", "cat", "chair", "cow", "diningtable", "dog", "horse","motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]def convert(size, box):dw = 1. / size[0]dh = 1. / size[1]x = (box[0] + box[1]) / 2.0y = (box[2] + box[3]) / 2.0w = box[1] - box[0]h = box[3] - box[2]x = x * dww = w * dwy = y * dhh = h * dhreturn (x, y, w, h)def convert_annotation(image_id,image_set):in_file = open('//root/data/public/PASCAL-VOC2012/Annotations/%s.xml' % (image_id))out_file = open('//root/data/public/PASCAL-VOC2012/labels/%s.txt' % (image_id), 'w')tree = ET.parse(in_file)root = tree.getroot()size = root.find('size')w = int(size.find('width').text)h = int(size.find('height').text)for obj in root.iter('object'):difficult = obj.find('difficult').textcls = obj.find('name').textif cls not in classes or int(difficult) == 1:continuecls_id = classes.index(cls)xmlbox = obj.find('bndbox')b = (float(xmlbox.find('xmin').text),float(xmlbox.find('xmax').text),float(xmlbox.find('ymin').text),float(xmlbox.find('ymax').text))bb = convert((w, h), b)out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')# wd = getcwd()for image_set in sets:if not os.path.exists('//root/data/public/PASCAL-VOC2012/labels/'):os.makedirs('//root/data/public/PASCAL-VOC2012/labels/')image_ids = open('//root/data/public/PASCAL-VOC2012/%s.txt'% (image_set)).read().strip().split()if not os.path.exists('VOC2012/images/'):os.makedirs('VOC2012/images/')list_file = open('VOC2012/images/%s.txt' % (image_set), 'w')for image_id in image_ids:list_file.write('//root/data/public/PASCAL-VOC2012/JPEGImages/%s.jpg\n' % (image_id))convert_annotation(image_id,image_set)list_file.close()
根据所用的gpu显存来决定batch size大小:
BATCH_SIZE设置越大,那么所有训练样本数据完成一次训练(完成一个epoch)要进行的参数更新次数会更少,那么训练耗时更短,BATCH_SIZE设置越小,一个epoch训练完所有样本数据要进行的参数更新次数会更多,因此训练耗时更长。
使用yolov5训练PASCAL VOC2012数据集以及遇到的坑相关推荐
- PspNet在MMsegmentation框架下成功训练Pascal VOC2012数据集及踩坑实录
时间:2021/08/29/05:45:28 一晚上了,难以置信,我竟然还不困,还有着整理博客的冲动.也就在这周,熬夜能力突然就在几个晚上的不归宿中突破了,一夜过后天壤之别,一晚比一晚能熬,之前还会担 ...
- PASCAL VOC2012数据集
PASCAL VOC2012数据集 下载的官方网址:http://host.robots.ox.ac.uk/pascal/voc/voc2012/index.html#devkit 一.介绍与下载 P ...
- Yolov5训练自己的数据集(windows10)
Yolov5训练自己的数据集(windows10) 环境配置+训练数据集 一.Anaconda 的安装教程(图文) Anaconda下载 下载地址:https://www.anaconda.com/d ...
- Yolo实用指南(step by step)之三yolov5训练自己的数据集
关于yolov5训练自己的数据集的文章网上已经有一大把,自己之前也摸索了数据标注有一阵子,可一直迟迟未动手,感觉对原理不熟悉,很多东西浮光掠影有些肤浅,思来想去还是花了整整一天实践一下吧,毕竟这是基础 ...
- yolov5训练自己的数据集
How to Train YOLOv5 On a Custom Dataset 根据这篇文章下的数据集 YOLOv5训练自己的数据集 根据这篇文章,输入训练命令行 Hyperparameter ...
- 手把手教你使用YOLOV5训练自己的数据集并用TensorRT加速
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 前言 本文主要介绍目标检测YOLOV5算法来训练自己的数据集,并且使用TensorRT来对训练好的模型 ...
- Yolov5训练自己的数据集+TensorRT加速+Qt部署
本人由于项目要求,需要利用Yolov5网络训练自己的目标检测与分类模型,并利用TensorRT加速将其部署到Qt界面上.目前已经实现了整个流程,写下这篇博客供需要的各位参考.(本文描述的重点主要是在后 ...
- YOLOv5训练自己的数据集实现视频的识别
写在前面 我本来是使用这个模型进行手写签名的定位,但是因为比赛的主办方原因,数据不允许公开,所以我使用动物世界的一段开头视屏来制作我的数据集.这整个模型跑通的过程中,我参考了很多不错的博客,写这篇博客 ...
- yolov5训练自己的数据集,OpenCV DNN推理
学更好的别人, 做更好的自己. --<微卡智享> 本文长度为4238字,预计阅读9分钟 前言 上一篇<OpenCV--自学笔记>搭建好了yolov5的环境,作为目标检测在应用中 ...
- Windows10+YOLOv5训练自己的数据集
Windows10+YOLOv5训练自己的数据集 一.环境和配置 1.1 安装anaconda 1.2 在anaconda中安装pytorch虚拟环境 1.3 安装CUDA和cudnn 1.4 安装p ...
最新文章
- ZooKeeper 定位:能解决什么问题?不能解决什么问题?
- 鉴机识变,面向未来|RocketMQ Summit 2022 即将来袭
- esp32-wrover流水灯c语言程序,ESP-WROVER-KIT V4.1 入门指南
- easyui datagrid
- JDBC学习笔记02【ResultSet类详解、JDBC登录案例练习、PreparedStatement类详解】
- Java Web专题(一)
- bzoj2442codevs4654 单调队列优化dp
- QuerWrapper常用方法
- rssi室内定位算法原理_室内定位方案常用的4种定位算法
- python变量的赋值操作_Python中关于变量赋值操作的实例分享
- linux命令中选项分为,Linux 考试试题
- matlab循环取出矩阵的某一行并标示上A1 A2 A3
- 我的第一篇博客-缓存显示图片
- 凭实力蝉联第一!Flink 又双叒叕上榜啦
- chrome无法打开某些网页,但safari可以
- JAVA之day3对象
- python 实例化_python中如何实例化一个对象-问答-阿里云开发者社区-阿里云
- 多种群粒子群 MATLAB,多种群粒子群算法怎么编码啊,楼主小白求大神指导
- 433M超再生无线模块编码-解码
- 圆桌实录 | 为什么不约而同选择了大 Kernel
热门文章
- Mysql存储过程和函数区别介绍
- AC9刷梅林安装entware usb挂载 u盘分区使用swap脚本
- 关于连接PostgreSQL时提示 FATAL: password authentication failed for user 连接用户名 的解决方法...
- Could not connect to any servers in your MongoDB Atlas cluster. One common reason is that you‘re try
- 深入理解JVM专题目录
- 合并排序时间复杂度推导
- golang笔记14--go 语言爬虫实战项目介绍
- 通过抓包工具抓包APP就连不上网的解决方案
- 优化算法学习(LM算法)
- 供应链SCOR模型搭建/改进