YOLOX——Win10下训练自定义VOC数据集

前言

上个博客试着把yolox在win下的环境配置，然后就要试着训练自己的数据集，我这里用的是VOC格式的数据集，训练环境是win10 x64,CUDA11.0 cudnn 8.1 GPU 是GTX 3080,Anaconda 3.7，数据标注工具是LabelImg。

数据准备

1.在XXX/YOLOX/datasets/下创建一个VOCdevkit目录，在VOCdevkit下VOC2007目录，VOC2007目录下再创建三个空目录，分别是Annotations、ImageSets、JPEGImages，此时VOC2007目录下只有三个空的目录。

2.把要训练的图像放到JPEGImags目录下，如果有标注过的数据就把对应的xml文件放到Annotations目录，要从头标注则打开LabelImg,选择数据集路径（JPEGImags），选择保存标签文件路径（Annotations），开始标注。

3.把所有数据标注完成之后，在ImageSets目录下创建一个Main的目录，这个目录是用来保存数据配置文件的。

4.处理数据，把数据分成训练集和测试集，并生成对应的txt文件，处理数据python代码：

CreateVOCData.py

import os
import randomtrainval_percent = 0.1
train_percent = 0.9
data_root_path = 'D:/DL/YOLOX/datasets/VOCdevkit/VOC2007/'total_xml = os.listdir(os.path.join(data_root_path,"Annotations"))label_num = len(total_xml)
list = range(label_num)
tv = int(label_num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)train_file = open(os.path.join(data_root_path,"ImageSets/Main/train.txt"), 'w')
val_file = open(os.path.join(data_root_path,"ImageSets/Main/val.txt"), 'w')for i in list:name = total_xml[i][:-4] + '\n'if i in trainval:val_file.write(name)else:train_file.write(name)train_file.close()
val_file.close()

运行之后，在XXX/YOLOX/datasets/VOCdevkit/VOC2007/ImageSets/Main下有两个txt文件，这个就是训练集和验证集的目录标签。

训练

1.打开YOLOX\exps\example\yolox_voc\yolo_voc_s.py，把训练集和测试集路径改成自己的路径，在win下建议写绝对路径。
训练数据路径：

验证数据路径：

更改标签类数：

2.打开YOLOX/yolox/data/datasets/voc_classes.py

3.开始训练，我训练的是yolox_s的模型，从yolox官网下载yolox_s的权重放到YOLOX目录下，然后激活环境，开始训练。

cd YOLOX
activate yolox
python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 16 --fp16 -o -c yolox_s.pth

-d 使用多少张显卡训练
-b 批次大小
-fp16 是否开启半精度训练
-c 权重文件

如果出现这个代表已在开始，但也别高兴得太早，到10 epoch 之后开始验证，有可能报FileNotFoundError: [Errno 2] No such file or directory: ‘xxxxx.xml’ 这个错，然后打开val.txt文件，这xxx.xml文件是验证集的第一个文件，这是读不到目录引起的，更改YOLOX\yolox\evaluators\voc_eval.py文件。

重新训练就可以了。

YOLOX——Win10下训练自定义VOC数据集相关推荐

yolov7_obb在WIN10下训练自己的数据集
首先获取这位大神的GitHub代码:yolov7_obb+TensorRT+WIN10_Mrs.Gril的博客-CSDN博客一.配置环境,为了方便大家尽量少的遇到配置问题,下面给出我的环境. 我的C ...
Ubuntu上用caffe的SSD方法训练Pascal VOC数据集
实验目的继caffe和ssd搭建完成,demo也演示完毕,了解一些基本知识后,现在开始训练自己的数据集,在给自己的训练集处理之前,先跟着官方的示例将Pascal VOC数据集训练走一遍,把可能会踩坑 ...
alexeyab darknet 编译_【目标检测实战】Darknet—yolov3模型训练（VOC数据集)
原文发表在:语雀文档 0.前言本文为Darknet框架下,利用官方VOC数据集的yolov3模型训练,训练环境为:Ubuntu18.04下的GPU训练,cuda版本10.0:cudnn版本7.6.5 ...
Yolov3：win10下训练自己的数据（GPU版）（详细步骤）
前言最近在做用yolov3进行目标识别,关于前期已经成功检测成功了,大家有兴趣的可以看我之前写的一篇博客:VS2015+opencv3.4.2+yolov3成功检测,这篇博客主要介绍如何 ...
【Tensorflow】 Object_detection之训练PASCAL VOC数据集
参考:Running Locally 1.检查数据.config文件是否配置好可参考之前博客: Tensorflow Object_detection之配置Training Pipeline Ten ...
WIN10下配置Yolov3(VS2019,GPU)+opencv训练自己的数据集（绝对详细，小白型记录）
大二菜鸡,因为要准备一个水下识别的比赛,想到了用yolov3这个强大的框架,参考了许多大佬的博客,在这里记录一下自己的配置过程. ** 一. CUDA和CUDNN配置 ** 我的显卡的GTX1060, ...
Windows下使用Darknet训练自己的数据集（模型：yolov4-tiny、数据集：垃圾分类）
本文章主要介绍如何使用Darknet在windows下训练自己的数据集,其中模型使用的是yolov4-tiny,数据集使用的是自己垃圾分类数据集(需要的自取:在我上传的资源中有) PS:这是我的第一篇 ...
win10 mmdetection3d 训练KITTI
文章目录 1.环境的安装与配置 1.1 pytorch 1.2 mmdetection3d环境 2. win10下训练KITTI数据集 2.1 数据集存放位置 2.2 数据集预处理 2.3 训练KIT ...
Win10下搭建旷视YOLOX(新一代anchor-free目标检测网络)并训练自定义CoCo格式数据集
注意:原始的YOLOX只支持乌班图系统,因此以下所有操作均需要依赖博主自己的安装包.链接:https://pan.baidu.com/s/1CoQa8WjJ89gNfexK59Ewrw 提取码:qhi ...

YOLOX——Win10下训练自定义VOC数据集

前言

数据准备

训练

YOLOX——Win10下训练自定义VOC数据集相关推荐

最新文章

热门文章