DL 基于Ubuntu20.04—Yolov5环境搭建及创建自己的数据集训练

参考1：https://phpsdk.cn/plug/news/show.html?id=12656
参考2：https://blog.csdn.net/weixin_70026476/article/details/128184135

一 、 Yolov5环境搭建及案例运行

1.创建虚拟环境

激活anaconda环境

conda activate

创建一个名为yolo虚拟环境，用来安装配置运行环境

conda create -n yolo 

激活环境

activate yolo

安装python依赖

conda install python=3.8

2.下载yolov5

克隆Yolov5存储库

git clone https://github.com/ultralytics/yolov5.git

下载Yolov5的预训练权重

wget https://github.com/ultralytics/yolov5/releases/download/v3.0/yolov5s.pt

3.配置环境

从yolov5中进入终端，激活yolo虚拟环境

conda activate yolo

打开requirements.txt，根据需求修改依赖包版本，这里我只修改了numpy
安装这些依赖

pip install -r requirements.txt

安装成功是这样的

4.运行案例

运行yolov5

python detect.py --source data/images/zidane.jpg

python detect.py --source data/images/bus.jpg

5.运行自己的相机

修改detect.py
找到如下代码段
将如下一行

parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob/screen/0(webcam)')

中的 default=ROOT / 'data/images'
改为 default=0 则为调用video0的摄像头
在VScode中打开yolov5项目，VScode中调出终端，激活配置的yolo虚拟环境

conda activate yolo

接着输入

python detect.py

运行结果如下

二、创建自己的数据集训练验证

1.安装标注工具labelImg

下载和安装Python(若已安装请忽略此步骤)：

sudo apt update #可用 可不用
sudo apt install python3

安装pip，它是Python包管理器：

sudo apt install python3-pip

使用pip安装labelimg：

sudo pip3 install labelImg

安装完成，运行labelimg：

labelImg

2.下载数据集

（如果你自己有拍摄好的图像集，直接用自己的）
参考：https://www.codenong.com/cs106894177/
下载其拍摄的停车位图像集：https://github.com/wuzzh/Parking-slot-dataset

3.标记图像

启动labelImg
在界面左侧“打开目录”设置好图像集的路径
在“改变存放目录”设置标记文件存放路径
在“保存”下面的按钮设置标记文件类型：有yolo、ml、</> VOC三种，这里我们用yolo即txt格式。
为了高效标注数据集，可以使用快捷键进行操作。常用的快捷键包括：
a—前一张图片
d—后一张图片
w—打开标注十字光标
View(查看)—Auto Save mode开启自动保存模式

4.划分数据集

共标记了220张图像，将200张作为训练集，20张作为验证集和测试集
如图：在train文件夹中images放入未标记图像，labels放入标记后的文件；val验证集文件夹跟train一样。
将文件夹carline整个复制到yolov5，并在carline中创建data文件夹，并将train和val剪切复制到data，并在carline文件中创建yaml配置文件，在yaml文件中将训练集，验证集和测试集的文件路径进行配置，并在最后写好要训练的Classes(类)名和对应的数字。
至此数据集就创建好了。

5.训练

在yolov5文件夹中进入终端，激活yolo环境：

conda activate  yolo

运行train.py进行训练

python3 train.py  --batch 16 --epochs 200 --data /home/stk/yolov5/carline/valid.yaml --weights yolov5s.pt --device 0

指令中各参数解释如下：
–batch：训练集分配批次；
–epochs：训练轮次；
–data：配置文件；
–device：选择的显卡编号
训练结束后生成的权重文件会储存在以下路径：yolov5/runs/train/exp2/weights/best.pt

6.验证模型

通过运行detect.py文件验证模型训练结果，输入指令：

python3 detect.py --weights runs/train/exp2/weights/best.pt --source 0(可以选择检测摄像头、图片和视频) --device 0

这里直接上图片的路径：

python3 detect.py --weights runs/train/exp2/weights/best.pt --source /home/stk/下载/Parking-slot-dataset-master/Open/parking_key_point0828_L/000800.jpg --device 0