比赛记录（第二周）

1.yolov5训练数据集

首先下载yolov5代码包，使用pycharm环境。

1.1train.py文件

–weights：指定预训练模型的权重文件路径，例如 --weights weights/yolov5s.pt。
–cfg：指定模型的配置文件路径，例如 --cfg models/yolov5s.yaml。
–data：指定训练数据集路径，例如 --data coco.yaml。
–epochs：指定训练的 epoch 数，例如 --epochs 300。
–batch-size：指定每个 batch 的大小，例如 --batch-size 16。
–img-size：指定输入图片的大小，例如 --img-size 640 表示输入图片的大小为 640x640。
–rect ：指定在训练过程中是否进行图像矫正，例如 --rect 表示进行图像矫正。
–resume：指定是否从之前的训练中断处继续训练，例如 --resume 表示从中断处继续训练。
–nosave 不保存模型 默认False(保存)。
–noautoanchor 不自动调整anchor, 默认False, 自动调整anchor。
–evolve：指定是否进行超参数优化，例如 --evolve 表示进行超参数优化。
–name：指定保存模型的名称，例如 --name my_model 表示保存模型为 my_model.pt。
–workers：指定用于加载数据的进程数，例如 --workers 8 表示使用 8 个进程来加载数据。

通过修改文件地址，上传训练集和测试集，使用180组作为训练集，20组作为测试集进行训练。

1.2labelimg

给的图片都是未标注图片，因此要自行进行标注吗，使用labelimg进行标注。

标注过程如图。

1.3训练

标注完成后即可进行训练，训练完成后用10组图片进行验证，识别效果较好。

1.4问题记录

1.4.1Yolov5 训练时卡在 Transferred 348/349 items from weights/yolov5s.pt 处很长时间

修改im即可，无需checkonline。

    im = f if f.exists() else 'https://ultralytics.com/images/bus.jpg' if False else np.ones((640, 640, 3))

1.4.2YOLOV5训练过程中出现报错：module ‘PIL.Image‘ has no attribute ‘ANTIALIAS‘

降低Pillow的版本，使用10.0.0以下的版本，比如9.3.0，先卸载，再重新安装：

pip uninstall -y Pillow

pip install Pillow==9.3.0 

2.rosbag录制回放

2.1录制

首先输入

recore

在另一终端中打开小乌龟运动程序

rosrun turtlesim turtlesim_node

然后，在另一个终端中启用键盘控制

rosrun turtlesim turtle_teleop_key

创建一个bag文件并进入

​mkdir ~/bagfiles
cd ~/bagfiles

开始录制(创建名为run的录制文件且录制所有topic）

rosbag record -O run -a

按下Ctrl+C结束录制

再输入ls查看当前文件夹下的录制文件

ls

2.2回放

rosbag play run.bag

再重新打开小乌龟移动程序即可得到一样的轨迹。