一、准备

1.项目链接

https://github.com/ultralytics/yolov5

2.制作数据集

将标注好的图片放到data/images/train 和data/images/valid 文件夹下，将.xml标签统一放在data/Annotations文件夹下

使用txt_write.py生成data/ImageSets/Main下的valid.txt和train.txt

import osdef build_train_valid_list(train_txt,train_imgs_dir,valid_txt,valid_imgs_dir):sets = [(train_txt, train_imgs_dir), (valid_txt, valid_imgs_dir)]for s in sets:txt, imgs_dir = s# print(txt)with open(txt, "a+") as f:for img_name in os.listdir(imgs_dir):head, back = img_name.split(".")[0], img_name.split(".")[1]print(head)f.write(head)f.write("\r")f.flush()if __name__ == '__main__':train_imgs_dir = "data/images/train"valid_imgs_dir = "/data\images/valid"train_txt = "data/ImageSets/Main/train.txt"valid_txt = "data/ImageSets/Main/valid.txt"build_train_valid_list(train_txt,train_imgs_dir,valid_txt,valid_imgs_dir)

train.txt和valid.txt文件的数据如下（去除文件的后缀）

3.生成所需的txt文件

更改xml_2_txt.py文件的中训练的类别

更改xml_2_txt.py文件中的in_file的路径与out_file的路径

运行xml_2_txt.py

import xml.etree.ElementTree as ET
import ossets = ['train', 'valid']
classes = ['tjfy','tjzp','tjpm','c','qr']  # 更改为自己训练的类别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_set,image_id):in_file = open(r'F:\yolov5_Test\data\Annotations/%s.xml' % (image_id))                     #修改路径out_file = open(r'F:\yolov5_Test\data\labels/{}/{}.txt' .format(image_set,image_id), 'w')  #修改路径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')for image_set in sets:if not os.path.exists('data/labels/{}'.format(image_set)):os.makedirs('data/labels/{}'.format(image_set))image_ids = open('data/ImageSets/Main/%s.txt' % (image_set)).read().strip().split()print(image_ids)for image_id in image_ids:convert_annotation(image_set,image_id)

在data/labels/train和data/labels/valid目录下生成训练所用的txt标签文件

txt标签文件内容如下

4.在data/下建立自己的.yaml文件

5.修改model/文件夹下所要使用的预训练模型的yaml文件

修改yolov5s.yaml文件如下：

只需要更改类别数nc:即可

二、训练

6.修改train.py文件中的相关参数：

7.运行train.py文件

正常训练

8.使用tensorboard或者wandb工具查看实时训练状态

(1)tensorboard

打开cmd命令行输入tensorboard --logdir F:\yolov5_Test\runs\train ，其中F:\yolov5_Test\runs\train 更改为自己的路径

将返回的地址输入到浏览器中即可查看训练状态

(2)wandb

根据提示打开链接即可看到训练结果：

三、测试

9.更改detect.py中的参数

保存的训练数据在runs/train/文件夹下

例如修改detect.py中的相关参数如下

运行detect.py生成的预测图片保存在runs/detect/文件夹下

预测结果如下：

四、出现问题

1.gbk错误

gbk’codec can’t decode byte 0xae

解决方法：

在train.py中第61行修改为：

 with open(opt.data,encoding="utf8") as f:

在test.py中第69行修改为：

 with open(data,encoding="utf8") as f:

2.dll错误

Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.

解决方案：在train.py的开头添加

import os
os.environ['KMP_DUPLICATE_LIB_OK']='True'

3.wandb错误

api_key not configured (no-tty). Run wandb login

解决方案：

打开终端：

pip install wandbwandb login

按照提示打开链接：You can find your API key in your browser here: https://wandb.ai/authorize

登录并获取key，输入到终端： Paste an API key from your profile and hit enter:

配置成功(重新训练发现错误消失)：Appending key for api.wandb.ai to your netrc file: /home/username/.netrc

Yolov5训练自制数据集相关推荐

YOLOv5训练KAIST数据集
YOLOv5训练KAIST数据集 YOLOv5目前比较火热,因此模型下载和使用不再赘述,网上资源很多,该文章主要是介绍如何将KAIST数据集处理成YOLOv5可以使用的格式. 一.数据获取 1.KAI ...
YOLOv5超详细的入门级教程（训练篇）（一）——训练自制数据集（识别鱼类）
Pytorch-YOLOv5 数据集标注数据集制作修改配置文件修改coco.yaml文件修改model.yaml文件训练train.py 出现的问题测试detect.py 结论 Refer ...
【目标检测】yolo系列：从yolov1到yolov5之YOLOv5训练自己数据集（v6.0）
一.源码下载及requirments 源码下载地址:https://github.com/ultralytics/yolov5 (持续更新中) 本人所用环境如下: pytorch:1.8(因为cuda ...
【深度学习】【Python】【Widerface数据集】转VOC格式，VOC 转YOLOv5格式，YOLOv5训练WiderFace数据集，检查yolo labels对不对
文章目录 Widerface数据集转VOC格式 VOC 转YOLO格式数据集的imageslisttxt YOLOv5训练检查yolo labels对不对并行训练 Widerface数据集转VO ...
yolov5训练voc数据集
1.数据集下载好voc数据集,以2007为例,把数据集(VOCtrainval_06-Nov-2007和VOCtest_06-Nov-2007)都解压同一个文件夹里,记住解压后的图片是从000001 ...
工程（二）——DeeplabV3+语义分割训练自制数据集
目录 1.配置环境 1.1 利用conda新建一个环境并激活 1.2 安装pytorch 1.3 更新bashrc环境 2.安装DeeplabV3 2.1 克隆代码 2.2 下载数据集和预训练模型 3 ...
YOLOv5训练coco128数据集流程
一.安装pytorch 1.创建虚拟环境使用Anaconda安装,建议先创建一个虚拟环境.启动Anaconda Prompt,在命令行输入: conda create -name torch pyt ...
使用YOLOv5训练NEU-DET数据集
一.下载YOLOv5源码和NEU-DET(钢材表面缺陷)数据集 YOLOv5源码 NEU-DET(钢材表面缺陷)数据集这里的数据集已经经过处理了,下载即可若通过其他途径下载的原始数据集标签为xml ...
YOLOV5训练鱼类数据集过程
下载项目:https://github.com/ultralytics/yolov5 1.硬件配置: CPU:Intel Xeon Gold 6146 3.2GHz GPU:GTX3090*4 2.1 ...

Yolov5训练自制数据集