（Detailed tutorial explaining how to efficiently train the object detection algorithm YOLOv5 on your own custom dataset.）
介绍
识别图像中的对象被认为是人脑的一项常见任务，但对于机器而言并非如此微不足道。 照片中物体的识别和定位是一项称为“物体检测”的计算机视觉任务，过去几年出现了几种算法来解决这个问题。 迄今为止最流行的实时对象检测算法之一是 YOLO（You Only Look Once），最初由 Redmond 等人提出。
在本教程中，您将学习如何使用 Ultralytics开发的最新 YOLOv5 实现在自定义数据集上执行端到端对象检测项目。 我们将使用迁移学习技术来训练我们自己的模型，评估其性能，将其用于推理，甚至将其转换为其他文件格式，如 ONNX 和 TensorRT。 本教程面向具有目标检测算法理论背景的人员，他们寻求实用的实施指导。 为了您的方便，下面提供了一个带有完整代码的易于使用的 Jupiter notebook。
数据处理
数据集创建
对于本教程，我生成了自己的企鹅数据集，方法是手动标记约 250 幅来自网络的企鹅图像和视频帧。 我花了几个小时使用 Roboflow 平台，该平台对公众用户友好且免费 。 为获得稳健的 YOLOv5 模型，建议每类训练超过 1500 张图像，每类训练超过 10,000 个实例。 还建议添加最多 10% 的背景图像，以减少误报错误。 由于我的数据集非常小，我将使用迁移学习技术缩小训练过程。
YOLO标注格式
大多数注释平台支持以 YOLO 标签格式导出，为每张图像提供一个注释文本文件。 每个文本文件都包含图像中每个对象的边界框 (BBox) 注释。 注释被归一化为图像大小，并位于 0 到 1 的范围内。它们以以下格式表示：
< object-class-ID> <X center> <Y center> <Box width> <Box height>
如果图像中有两个物体，YOLO 注释文本文件的内容可能如下所示：
数据目录结构
为了符合 Ultralytics 目录结构，数据按以下结构提供：
为了方便起见，我在我的笔记本上提供了自动创建这些目录的功能，只需将您的数据复制到正确的文件夹中即可。
配置文件
培训的配置分为三个 YAML 文件，这些文件与 repo 本身一起提供。 我们将根据任务自定义这些文件，以满足我们的需求。
1.数据配置文件描述数据集参数。
由于我们正在训练我们的自定义企鹅数据集，我们将编辑此文件并提供：训练、验证和测试（可选）数据集的路径； 类别数 (nc)； 以及与其索引相同顺序的类名。 在本教程中，我们只有一个类，名为“Penguin”。 我们将自定义数据配置文件命名为“penguin_data.yaml”，并将其放在“data”目录下。 这个 YAML 文件的内容如下：
2.模型配置文件规定了模型架构。
Ultralytics 支持多种 YOLOv5 架构，称为 P5 模型，主要根据参数大小而变化：YOLOv5n (nano)、YOLOv5s (small)、YOLOv5m (medium)、YOLOv5l (large)、YOLOv5x (extra large)。 这些架构适用于 640*640 像素的图像大小的训练。 附加系列，针对 1280*1280 的更大图像尺寸的训练进行了优化，称为 P6（YOLOv5n6、YOLOv5s6、YOLOv5m6、YOLOv5l6、YOLOv5x6）。 P6 模型包括一个额外的输出层，用于检测更大的物体。 他们从更高分辨率的训练中获益最多，并产生更好的结果
Ultralytics 为上述每种架构提供了内置的模型配置文件，这些文件位于“models”目录下。 如果您是从头开始训练，请选择具有所需架构的模型配置 YAML 文件（本教程中的“YOLOv5s6.yaml”），然后只需将类数 (nc) 参数编辑为您自定义中的正确类数 数据。
当像本教程中那样从预训练权重初始化训练时，无需编辑模型配置文件，因为模型将使用预训练权重提取。
3. 配置训练的超参数。
The hyperparameters-configurations file定义了训练的超参数，包括学习率、动量、损失、增强等。Ultralytics 在“data/hyp/hyp.scratch.yaml”目录下提供了一个默认的超参数文件。 主要建议使用默认超参数开始训练以建立性能基线，正如我们将在本教程中所做的那样。
YAML 配置文件嵌套在以下目录中：
训练
为了本教程的简单性，我们将训练小参数模型 YOLOv5s6，但可以使用更大的模型来改善结果。 不同的情况可能会考虑不同的训练方法，这里我们将介绍最常用的技术。
从零开始训练
当拥有足够大的数据集时，模型将从头开始训练受益最大。 通过将空字符串 (' ') 传递给权重参数来随机初始化权重。 训练由以下命令引起：
- batch — 批量大小（-1 为自动批量大小）。 使用硬件允许的最大批量大小。
- epochs——epochs 的数量。
- data — 数据配置文件的路径。
- cfg — 模型配置文件的路径。
- weights — 初始权重的路径。
- cache——缓存图像以加快训练速度。
- Img — 以像素为单位的图像大小（默认 — 640）。
迁移学习
从预训练模型热启动：
由于我的企鹅数据集相对较小（约 250 张图像），因此迁移学习预计会产生比从头开始训练更好的结果。 Ultralytic 的默认模型在 COCO 数据集上进行了预训练，但也支持其他预训练模型（VOC、Argoverse、VisDrone、GlobalWheat、xView、Objects365、SKU-110K）。 COCO 是一个对象检测数据集，包含来自日常场景的图像。 它包含 80 个类，包括相关的“鸟”类，但不包括“企鹅”类。 通过将模型名称传递给“weights”参数，我们的模型将使用来自预训练 COCO 模型的权重进行初始化。 预训练模型将自动下载。
特征提取
模型由两个主要部分组成：用作特征提取器的骨干层和计算输出预测的头部层。 为了进一步补偿较小的数据集大小，我们将使用与预训练 COCO 模型相同的主干，并且只训练模型的头部。 YOLOv5s6 骨干由 12 层组成，将由“冻结”参数固定。
- 权重 — 初始权重的路径。
- COCO模型会自动下载。
- freeze — 要冻结的层数
- project——项目名称
- name — 运行的名称
如果提供了“project”和“name”参数，结果会自动保存在那里。 否则，它们将保存到“runs/train”目录中。 我们可以查看保存到 results.png 文件的指标和损失：
为了更好地理解结果，让我们总结一下 YOLOv5 损失和指标。 YOLO损失函数由三部分组成：
box_loss — 边界框回归损失（均方误差）。
obj_loss — 对象存在的置信度是对象性损失。
cls_loss — 分类损失（交叉熵）。
由于我们的数据只有一个类别，因此不存在类别错误识别，并且分类错误始终为零。
Precision 衡量有多少 bbox 预测是正确的（True positives /（True positives + False positives）），Recall 衡量有多少 true bbox 被正确预测（True positives /（True positives + False negatives））。 “mAP_0.5”是 IoU（并集交集）阈值为 0.5 时的平均精度（mAP）。 ‘mAP_0.5:0.95’是不同 IoU 阈值的平均 mAP，范围从 0.5 到 0.95。 您可以在参考文献 [5] 中阅读更多相关信息。
微调
训练的最后一个可选步骤是微调，包括解冻我们上面获得的整个模型，并以非常低的学习率在我们的数据上重新训练它。 通过逐步使预训练特征适应新数据，这可能会实现有意义的改进。 可以在超参数配置文件中调整学习率参数。 对于教程演示，我们将采用内置“hyp.finetune.yaml”文件中定义的超参数，其学习率比默认值小得多。 权重将使用上一步中保存的权重进行初始化。
hyp — 超参数配置文件的路径
正如我们在下面看到的，在微调阶段，指标和损失仍在改善。
验证
为了评估我们的模型，我们将使用验证脚本。 性能可以通过训练、验证或测试数据集拆分进行评估，由“任务”参数控制。 在这里，正在评估测试数据集拆分：
我们还可以获得每次验证时自动保存的 Precision-Recall 曲线。
Precision – 测试数据拆分的召回曲线
推理
一旦我们获得了令人满意的训练表现，我们的模型就可以进行推理了。 根据推断，我们可以通过应用测试时间增强 (TTA) 进一步提高预测准确性：每个图像都被增强（水平翻转和 3 种不同的分辨率），最终预测是所有这些增强的集合。 如果我们严格控制每秒帧数 (FPS)，我们将不得不放弃 TTA，因为使用它的推理时间要长 2-3 倍。
推理的输入可以是图像、视频、目录、网络摄像头、流甚至是 YouTube 链接。 在以下检测命令中，测试数据用于推理。
source — 输入路径（0 表示网络摄像头）
img — 用于推理的图像大小，以像素为单位
conf — 置信度阈值
iou - NMS（非最大抑制）的 IoU 阈值
augment — 增强推理 (TTA)
推理结果自动保存到定义的文件夹中。 让我们回顾一下测试预测的样本：
导出为其他文件格式
至此，我们的模型已经完成，并保存为带有“.pt”文件扩展名的通用 PyTorch 约定。 该模型可以导出为其他文件格式，例如 ONNX 和 TensorRT。 ONNX 是一种中间机器学习文件格式，用于在不同的机器学习框架之间进行转换 。 TensorRT 是 NVIDIA 开发的用于优化机器学习模型的库，以在 NVIDIA 图形处理单元 (GPU) 上实现更快的推理。
“export.py”脚本用于通过将类型格式应用于“include”参数，将 PyTorch 模型转换为 ONNX、TensorRT 引擎或其他格式。 以下命令用于将我们的企鹅模型导出到 ONNX 和 TensorRT。 这些新文件格式保存在与 PyTorch 模型相同的“weights”文件夹下。
1957
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
