电子商务网站详细设计,十大搜索引擎入口,二级域名分发,电商软文范例使用yolov5训练自己的目标检测数据集
yolov4出来后不久#xff0c;又出现了yolov5#xff0c;没有论文。虽然作者没有放上和yolov4的直接测试对比#xff0c;但在COCO数据集的测试效果还是很可观的。很多人考虑到YOLOv5的创新性不足#xff0c;对算法是否能够进化#xf…使用yolov5训练自己的目标检测数据集
yolov4出来后不久又出现了yolov5没有论文。虽然作者没有放上和yolov4的直接测试对比但在COCO数据集的测试效果还是很可观的。很多人考虑到YOLOv5的创新性不足对算法是否能够进化因此yolov5的名头仍有争议。但是既然github上有如此多的star说明还是受到大多数人认可的一个工程。
并且yolov5是十分容易上手使用的一个目标检测开源项目只需要改几个文件配置好自己的数据集格式和目录结构即可开始训练对新手十分友好。可以先把训练跑起来在根据需要去细扣其中的模块设计。
并且yolov5项目一直在更新维护除了日常处理bug还有更优算法的版本如激活函数的更新更迭和新的训练可视化工具wandb的加入等这也是十分难得的。
今天笔者就来介绍一下自己第一次使用yolov5训练自己的数据集的过程。
工程项目准备
PyTorch等其他依赖的安装这里就不说了网上有很多教程。
首先从yolov5 github上克隆下代码
git clone https://github.com/ultralytics/yolov5.git然后从github下载预训练权重(.pt文件)没有百度云版本这里笔者提供下载好的权重文件放到云盘密码: afp3供不方便的朋友直接下载。下载好后放到yolov5/weights文件夹下。
数据集准备
yolov5项目所需的数据集文件路径格式如下
---yolov5
---yolo_data---train---images---labels---val---images---labels---data.yaml数据集文件夹放在与工程文件同级的目录下。其中包含两个子文件夹和一个配置文件data.yaml两个子文件夹分别存放训练样本和验证样本注意images和labels文件夹的名字不要改。
先说一下data.yaml配置文件内的内容
train: ../yolo_data/train
val: ../yolo_data/valnc: [你的检测数据集的类别数]
names: [你的检测数据集的类别名称列表]共有四个键值对trainvalncnames分别对应如下表
键值train你的训练数据的文件夹路径val你的验证数据的文件夹路径nc你的检测数据集的类别数如COCO数据集中nc80names你的检测数据集的类别名称列表如[‘plane’, ‘car’, ‘dog’, …]
然后说一下数据集格式的要求
在train/val目录下要有images和labels两个目录分别存放图像和标签其中的文件名要相互对应分别为.jpg格式和.txt格式即
---train---imagesaaaa.jpg ...---labelsaaaa.txt...其中图像不必多说放入你的数据集图像即可而标签label目录下的txt文件要求格式如下
类别索引 x y w h
0 0.53857421875 0.8779296875 0.158203125 0.06184895833333333第一列是图像中每个object的类别索引注意这里要与data.yaml配置文件中的names相互对应。后面四个列就是该object的检测框坐标了这里采用的是经过归一化的中心长宽xywh格式如果你的数据集原生不是这种格式如对角坐标xyxy的话请注意调整。
开始训练
直接运行yolov5/train.py即可注意配置好参数
python train.py \
--data ../yolo_data/data.yaml \
--cfg models/yolov5s.yaml \
--weights weights/yolov5s.yaml \
--batch-size 8 \
--epochs 100yolov5最近一次更新增加了wandbweights and biases其官网直接访问不太稳定建议科学上网访问训练可视化工具没有安装的话需要先安装一下直接pip安装即可
pip install wandb第一次使用的话会需要注册账号访问站点https://wandb.ai/authorize拿到API Key复制到终端中即可首次绑定API Key账号后再训练就不在需要输入API Key了直接将训练可视化结果送到你的wandb账号可在该站点登录查看。
不仅有训练过程可视化loss曲线等 甚至还有训练过程中系统的信息的展示 还是非常简单实用的一个训练可视化工具。
训练完成后再yolov5/runs/train/exp文件夹下可查看一些结果PR曲线F1曲线等还有一些样本可视化的结果。 可以看到效果还是可以的我这个数据集只有猪仔一个类 ^^可爱小猪仔。
测试
训练完成后可以运行yolov5.detect.py文件指定一个文件夹测试其中的图像。
python detect.py \
--weights runs/train/exp/weights/best.pt \
--source ../images/test \
--save-txt 如果设置打开–save-txt则会保存结果文件。
测试结果会保存在yolov5/runs/detect内。txt结果文件则会保存在yolov5/runs/detect/labels内。 使用yolov5训练自己的数据集就先介绍到这里如果有问题欢迎留言讨论。
