#本文为笔者记录以大一学期大创项目为契机,进行计算机深度学习方面的学习过程的随记文章。发一篇博客的目的不但是为了供大家参考,也想通过它记录笔者自己的成长历程。
#参考文献见文末
一、准备工作
1.基础资源需求
1)Anaconda Prompt
2)Conda 24.5.0
3)Pytorch 2.3.1
4)Python 3.11.7
5)许多西红柿图片
注1:此处为笔者各个资源版本,不代表其他版本不可用。
注2:因为笔者电脑没有GPU,所以并没有用CUDA。
注3:笔者认为有命令行使用经验是非常必要的。
2.YOLOv5
直接通过Github下载压缩包即可,链接:GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite
在通过了基础的detect.py公车行人测试后(在runs/detect/exp中找到检测图片),我们可以正式开始准备自己的数据集了!
二、Labelimg
在下面的准备中,我们需要用到.xml(可扩展标记语言)格式的文件,那么我们怎么生成它们呢?——利用Labelimg!
安装
因为我的Base环境下,Python版本是3.11.7,但是Labelimg所需的Python版本为3.8.5,所以利用conda创建一个符合Labelimg使用的Python环境。利用命令行生成Labelimg虚拟环境:
conda create -n labelimg python=3.8.5
再输入如下命令下载labelimg:
pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple
那么现在我们的Labelimg就安装好啦!
检查
使用
在使用Labelimg时,我们输入
labelimg activate
就可以使用Labelimg了。
三、数据集
文件夹
在data文件夹下保存如下几个文件夹:
images、JPEGImages:存放你的原始图片;
注:图片越多,训练效果越好。
Annotations存放接下来生成的.xml文件。
.xml文件生成
利用Labelimg进行.xml文件的生成:
Open Dir打开images文件夹进行框选。
Change Save Dir改变保存路径为Annotations文件夹。
.txt文件生成
step1:
在yolov5的根目录下创建一个trans_txt.py文件,文件代码如下:
import os
import random
trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'data/Annotations'
txtsavepath = 'data/ImageSets'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
ftrainval = open('data/ImageSets/trainval.txt', 'w')
ftest = open('data/ImageSets/test.txt', 'w')
ftrain = open('data/ImageSets/train.txt', 'w')
fval = open('data/ImageSets/val.txt', 'w')
for i in list:
name = total_xml[i][:-4] + '\n'
if i in trainval:
ftrainval.write(name)
if i in train:
ftest.write(name)
else:
fval.write(name)
else:
ftrain.write(name)
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()
step2:
继续创建voc_label.py文件,代码如下:
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
sets = ['train', 'test','val']
classes = ['immature_tomato','mature_tomato']
def convert(size, box):
dw = 1. / size[0]
dh = 1. / size[1]
x = (box[0] + box[1]) / 2.0
y = (box[2] + box[3]) / 2.0
w = box[1] - box[0]
h = box[3] - box[2]
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return (x, y, w, h)
def convert_annotation(image_id):
in_file = open('data/Annotations/%s.xml' % (image_id))
out_file = open('data/labels/%s.txt' % (image_id), 'w')
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
for obj in root.iter('object'):
difficult = obj.find('difficult').text
cls = obj.find('name').text
if cls not in classes or int(difficult) == 1:
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
float(xmlbox.find('ymax').text))
bb = convert((w, h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
wd = getcwd()
print(wd)
for image_set in sets:
if not os.path.exists('data/labels/'):
os.makedirs('data/labels/')
image_ids = open('data/ImageSets/%s.txt' % (image_set)).read().strip().split()
list_file = open('data/%s.txt' % (image_set), 'w')
for image_id in image_ids:
list_file.write('data/images/%s.jpg\n' % (image_id))
convert_annotation(image_id)
list_file.close()
classes=['immature_tomato','mature_tomato']
注:此处为自己选择识别的种类。
依次运行这两个文件,成功运行后:
1)labels下生成.txt文件;
2)ImageSets下生成四个.txt文件;
3)data下生成三个.txt文件。
四、yaml文件的修改
在data文件夹中找到coco.yaml文件,复制一份,任意命名,我这里命名为zxc_coco.yaml,存放在data文件夹下即可。
然后对zxc_coco.yaml的部分内容进行修改:
1)修改train,val,test的路径为自己刚刚生成的路径(data目录下面的这三个train,val,test 文件的路径);
2)nc 的数字代表数据集的类别,我这里有2类,所以修改为2;
3)names 里为自己数据集打标签时候所有类的名称。
五、models模型文件的修改
我利用了yolov5s,需要在models文件夹下找到yolov5s.yaml,并进行如下修改:
注:nc为自己建立的类别数量。
六、进行训练
首先,在yolov5文件夹下创建一个名为weights的文件夹,然后把data/scripts文件下download_weights.sh放在weights文件下,然后将权重文件yolov5s.pt放到weights文件夹中。
训练前需要对train.py进行内容的修改,打开train.py,直接找到最下面一堆参数的地方,对以下内容进行修改:
--epochs表示“训练过程中整个数据集将被迭代多少次”,我的显卡不行,将这个数调到了50。
--batch-size表示“一次看完多少张图片才进行权重更新”,我也调小了。
七、最终测试
更改detect.py并进行最终的测试。
--weight:我选用best.pt为蓝本(即最佳模型)。
--source:选择需要测试图片或视频的文件夹,如果调用摄像头则写0。
成功!
#由于笔者没有发现“部分原创”选项,且联系不上参考文献作者(哥哥我加你QQ了TOT),厚脸皮写原创了,すみません!
特别鸣谢:
@智造王大锤这位哥哥是本文绝大部分实现方法的原作者,我仅仅是拙劣模仿;
@Jack_小明提供思路Labelimg思路;
@ThreeStones1029解决Labelimg报错问题。