multiyolov5训练自己的数据集

###GitHub源码：https://github.com/TomMao23/multiyolov5

1. 环境配置

$ python -m pip install -r requirements.txt

$ python -m pip uninstall wandb

代码未做多卡训练和wandb支持, 不卸载训练大概率有bug

二、检测和分割测试

(a) 普通图片推理

$ python detect.py --weights ./pspv5s.pt或其他模型 --source data/images --conf 0.25 --img-size 1024

或$ python detect.py --weights ./pspv5s.pt或其他模型 --source data/images --conf 0.25 --img-size 1024 --view-img

(b) 同尺寸连续帧图片制作视频

$ python detect.py --weights ./pspv5s.pt或其他模型 --source 图片文件夹 --conf 0.25 --img-size 1024 --save-as-video

三、训练自己的数据集

3.1参考grape数据集格式文件，得到数据集文件

数据集文件共有三个大文件夹（dedata、segimages、seglabels），detdata文件夹下分images和labels两个文件夹分别放置图片和检测标签；segimages放置图片与images中图片相同，seglabels中放置分割标签，每个图片和标签文件夹下又分训练集train和验证集val，且每组的图片和标签文件数量、命名一一对应。

检测标签的格式为yolov标签格式，是txt文件，具体样例如下：

分割标签的格式为png格式的mask，具体样例如下：

3.2数据和模型配置

（1）仿照（复制修改）data/cityscapes_det.yaml的配置数据，train和val写图片数据的train和val文件夹的路径（yolo自己会对应找labels），nc为检测类别数，segtrain和segval写分割数据segimages和seglabels父文件夹的路径，names为各检测类别名字。修改的数据yaml文件命名grape_det.yaml.

（2）仿照（复制修改）models/yolov5s_city_seg.yaml的配置模型，nc为检测类别数，n_segcls为分割类别数。depth_multiple，width_multiple控制深度和宽度，是yolov5s，m，l，x唯一的区别。修改的模型yaml文件命名yolov5s_grape_seg.yaml.

3.3训练数据

命令调用：

$ python train_custom.py --data grape_det.yaml –-cfg yolov5s_grape_seg.yaml --weights ./yolov5s.pt --workers 4 --label-smoothing 0.1 --img-size 832 --batch-size 4 --epochs 1000 --rect

正在训练中：

得到训练后的权重文件：

2. 训练后权重测试

$ python detect.py --weights ./best.pt或./last.pt --source data/images --conf 0.25 --img-size 1024

或$ python detect.py --weights ./best.pt或./last.pt --source data/images --conf 0.25 --img-size 1024 --view-img