目录
1.1下载YOLOv5源码(下载两种方法都可以 但GIT需要安装,后续要用)
一、yolov5下载
1.1下载YOLOv5源码(下载两种方法都可以 但GIT需要安装,后续要用)
注意:安装涉及的路径不要有中文
yolov5源码下载:GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite
下载方式:
1.点击右上角Code,下载到本地。
2.使用GIT
打开git官网地址:Git进行下载
用cmd命令行克隆(下载)到本地,输入
git clone https://github.com/ultralytics/yolov5
控制台通过以下代码可以直接配置
git clone https://github.com/ultralytics/yolov5 # clone
cd yolov5
pip install -r requirements.txt # install 安装各种包
(csdn镜像源:GitCode - 开发者的代码家园,如果没有vpn点击这个下载)
1.2配置YOLOv5环境
anaconda中新建一个虚拟环境,python3.9 ,pytorch1.12.1,yolov5 v6.0,然后给这个虚拟环境起个名(我就叫yolov5).
同时要安装cuda以调用GPU,cuda推荐版本 >= 10.1 ,配置cuda调用GPU能极大缩短训练时间,强烈建议大家都安装。
将下载好的YOLOv5源码解压到一个文件夹中,(我的叫yolov5),接下来进行anaconda环境配置YOLOv5需要的库。
首先进入到项目的控制台中(如果以下操作没法进行就在anaconda控制台中进行)
项目文件中安装需要的库,执行
pip install -r requirements.txt
可以在项目里看一下requirements.txt的内容。
二、文件准备
自行准备一个数据集,这里以汽车为例,进行以下操作:
1.在yolov5文件夹下新建一个文件夹,这里取名为VOCData2.进入后新建两个文件夹 Annotations 和 images(图中多余是之后生成的)
images:用于存放要标注的图片
Annotations :用于存放标注图片后产生的内容(这里采用XML格式)
三、labelling
1.安装labellmg
下载labelImg:https://github.com/tzutalin/labelImg,安装方法参考1.1,直接下载和控制台下载都可以。
下载后存放目录到yolov5同级下面,如下labelimg和yolov5都在python_work文件夹下面。
从anaconda prompt终端中选择到此文件
执行命令前,建议更新一下conda
conda update -n base -c defaults conda
然后执行以下命令
conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc
2.使用 labellmg
使用前在labellmg文件夹中->data->predefined_classes.txt
点开可以添加要标准的类别,否则每次进入软件添加比较麻烦
打开labellmg(要进入labellmg文件夹运行,这里使用pycharm打开labellmg文件夹转到目录下再运行)
python labelImg.py #运行软件
把要标注的图片放D:\python_work\yolov5\VOCData\images,在程序中’打开目录‘中选择它。
标完后保存到D:\python_work\yolov5\VOCData\Annotations (导出时选择默认的xml格式),我们在‘改变存放目录中选择它’
最后点击'W'快捷调用标注器,然后我们进行标注即可。右边可以选择预设的标签,一张图可以标许多标签。
接下来就是标注时间,标注完点击下一个图像继续标注,很枯燥很乏味,可能会耗费数个小时的时间。(注意,可以留最后几张不标注,当测试对象使用;但要注意图像和标签的需要要一一对应)
可以在Annotations文件夹下查看标签,是.xml形式。
如果图片都标注完成了,意味着我们的前置任务已经完成,接下来进入yolov5项目中进行配置。