yolov7训练自定义数据集示例

寒山远

已于 2023-01-30 23:02:04 修改

阅读量308

点赞数

文章标签： YOLO python pytorch

于 2023-01-30 22:35:48 首次发布

本文链接：https://blog.csdn.net/a940419/article/details/128809834

版权

该博客介绍了使用YOLOv7训练自定义数据集的全过程，包括labelme标注工具的安装，图片数据处理（如bmp转jpg），labelme标注数据转换为YOLO格式，训练图片路径整合，以及训练过程中的数据处理和可能遇到的问题，如CPU训练时的错误解决。

摘要由CSDN通过智能技术生成

参考文章以下文章

https://blog.csdn.net/athrunsunny/article/details/122132518

https://zhuanlan.zhihu.com/p/547878330

图片标注工具labelme安装

conda install pyqt=5

conda install labelme

# 备注labelme用法可自行查找相关文章

图片数据处理脚本

bmp转换jpg格式

bmp2jpg.py

# encoding=utf-8
import os
import cv2

# 图片的路径
bmp_dir = "D:\\sourcepng"
jpg_dir = "D:\\target"

filelists = os.listdir(bmp_dir)

for i,file in enumerate(filelists):
    # 读图，-1为不改变图片格式，0为灰度图
    img = cv2.imread(os.path.join(bmp_dir,file),-1)
    # newName = file.replace('.bmp','.jpg') #bmp转jpg
    newName = file.replace('.png','.jpg') # 这里是测试png转换jpg
    cv2.imwrite(os.path.join(jpg_dir,newName),img)
    print('第%d张图：%s'%(i+1,newName))

labelme标注数据转换训练集数据脚本

label2yolo.py

import os
import numpy as np
import json
from glob import glob
import cv2
from sklearn.model_selection import train_test_split
from shutil import copyfile
import argparse



# Labelme坐标到YOLO V5坐标的转换
def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[1]) / 2.0 - 1
    y = (box[2] + box[3]) / 2.0 - 1
    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)

# 样本转换
def convertToYolo5(fileList, output_dir, labelme_path ,datatype):
    # 创建指定样本的父目录
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)
    
    # 创建指定样本的images和labels子目录
    yolo_images_dir = '{0}/images/{1}/'.format(output_dir,datatype)
    yolo_labels_dir = '{0}/labels/{1}/'.format(output_dir,datatype)
    
    if not os.path.ex