[软件工具]yolov3 yolov4 yolov7训练自己的数据集windows上超简单全程不写代码

darknet训练自己的数据集一般要写代码自己转化数据集,还要修改配置文件,数据集也不保证都是正确标注的,这个流程一般对初学者或者不熟悉的人经常弄错,只要一个配置参数改错就会导致训练出现问题,还有可能是训练几个小时发现检测不出物体。因此一个训练工具软件就横空出世了。这个软件就是yolov3快速训练助手,目前支持yolov3/yolov3-tiny/yolov4/yolov4-tiny/yolov7/yolov7-tiny/yolov7x训练。接下来看如何快速训练自己的数据集,不需要写代码不需要改配置不需要理解训练流程,就可以训练自己的数据集!首先我们看看软件界面

首先我们看到软件界面有些默认参数,一般我们只需要改批大小这一个参数即可,甚至不用改!如何训练,接下来我们开始教学:

第一步:[未雨绸缪]标注数据集:

 我们打开软件labelImg这个软件,开始标注,软件支持Pascal VOC格式的数据集也支持yolo txt格式的数据集。

到底什么是VOC数据集集,简单就是说一个图片对应一个xml文件,xml内容格式如下:

格式说明:

在xml文件中,标注信息存储在<annotation>对象中,
<filename>对象保存了图片的文件名,
<path>对象保存了文件所在的完整路径,
<size>对象中的<width>子对象和<height>子对象分别保存了
图片的宽度和高度,
即图片分辨率,水平和垂直方向上的像素数量;
<object>对象保存了每一个标注的对象,
有几个标注对象就会有几个<object>,
每个<object>对象对应了一个类型的实例,
也对应了一个框以及其类别,
<object>对象的<name>子对象保存了类别名,
<object>对象的<difficult>子对象保存了difficult信息(具体暂时没搞清...),
<object>对象的<bndbox>子对象保存了标注框的信息,
<bndbox>对象又包含了4个子对象,
分别是:<xmin>子对象,<ymin>子对象,<xmax>子对象和<ymax>子对象;
 
 
图片上的坐标系是以图片左上角点为坐标系原点,
向右为x轴正方向,向下为y轴正方向,单位是像素;
标定的矩形的位置是由4个数确定的,
分别是<xmin>,<ymin>,<xmax>和<ymax>,
即矩形左上角点的坐标和矩形右下角点的坐标;
由这两个点即可唯一确定一个矩形.

什么是yolo txt格式呢,下面是说明:

YOLO标签的格式
<object-class> <x> <y> <width> <height>
具体的例子如下:
 
0 0.412500 0.318981 0.358333 0.636111
 
x,y是目标的中心坐标,width,height是目标的宽和高。这些坐标是通过归一化的,其中x,width是使用原图的width进行归一化;而y,height是使用原图的height进行归一化。
标注数据集理论上越多越好,如果简单测试100张足够,如果需要好的效果至少1000张,如果需要很好的效果至少5000张,如果好的不得了至少需要10000+

第二步:[霸气登场]训练自己的数据集

选择自己标注好的数据集,要求图片文件夹名字必须叫JPEGImages,标注的文件夹名字随便,建议是Annotations。这个是Pascal VOC标注的文件夹名字,然后打开软件选择JPEGImages文件夹和Annotations文件夹,如果没有Annotations文件夹,也可以导入yolo格式txt文件夹,txt文件夹必须叫labels而且要和JPEGImages放在一个目录下面。然后根据自己的显卡显存大小设置批大小,这个就是我们通常所说的batchsize,batch size越大需要显存越多,所以要量力而设置,以下是我总结出来占用显存列表,大家可以参考一下:

 

ok设置完参数,点击配置数据集,之后等一下,如果你是2000张等几秒就完成,如果你是1w+张可能需要等几分钟自动配置完,然后点击获取命令直接贴cmd或者直接点击开始训练即可训练了。

第三步:[谁与争锋]测试模型

这个软件吊爆了,不仅仅在于训练简单,还支持测试,软件提供全GUI支持不需要写代码不需要敲命令,只要小手一点,模型测试即可开始,支持视频,摄像头,图片一体!

 如果你想学习命令,没关系选择外部终端测试,自动生成命令!这里唯一要注意一点就是data文件里面的names路径一定要是绝对路径,如果使用相对路径不行哦。

更多利器:

(1)支持标注检查,让错误标注逃不过软件法眼

(2)支持类别查找,让自己标注错误类别无所盾形

(3)支持yolov3/yolov3-spp/yolov3-tiny/yolov4/yolov4-tiny模型训练和测试

更多功能请参考视频教程:

1.2.2版本视频教程:yolov3快速训练助手1.2.2使用教程_哔哩哔哩_bilibili

2.0全新设计视频教程:视频去哪了呢?_哔哩哔哩_bilibili

2.1全面支持yolov7:yolov3 yolov4 yolov7训练助手2.1支持yolov7一键训练全程不用写代码傻瓜式操作_哔哩哔哩_bilibili

好了本次教程介绍完毕,下次为大家介绍更多好用软件。
 

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高,更加灵活和易用,当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目:单目标检测(足球目标检测)和多目标检测(足球和梅西同时检测)。 本课程的YOLOv5使用ultralytics/yolov5,在Windows系统上做项目演示。包括:安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、使用wandb训练可视化工具训练自己的数据集、测试训练出的网络模型和性能统计。 希望学习Ubuntu上演示的同学,请前往 《YOLOv5(PyTorch)实战:训练自己的数据集(Ubuntu)》课程链接:https://edu.csdn.net/course/detail/30793  本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括:《YOLOv5(PyTorch)目标检测实战:训练自己的数据集》Ubuntu系统 https://edu.csdn.net/course/detail/30793Windows系统 https://edu.csdn.net/course/detail/30923《YOLOv5(PyTorch)目标检测:原理与源码解析》课程链接:https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战:Flask Web部署》课程链接:https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战:TensorRT加速部署》课程链接:https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战:Jetson Nano部署》课程链接:https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接:https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接:https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接:https://edu.csdn.net/course/detail/35209《YOLOv5实战垃圾分类目标检测》课程链接:https://edu.csdn.net/course/detail/35284       

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FL1623863129

你的打赏是我写文章最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值