在前面的准备里,做了环境测试,而且使用labelimg建立了训练集。首先把训练集的图片和标签分别放入 images 和labels文件夹,如下图
放在什么位置主要为了使用 train.py命令时方便
下面配置 yaml文件
# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: runs/traindata/images/
val: runs/traindata/images/
# number of classes
nc: 1
# class names
names: ['kn']
存为 A.yaml 我直接放在根目录了
这样就完成了所有准备,可以执行
python train.py --img 640 --batch 50 --epochs 100 --data A.yaml --weights yolov5s.pt --nosave --cache
可以看出,还是使用 yolov5s权重来进行训练。yaml文件的路径注意对应。我训练了10张柯南照片, cpu训练较慢,时间大概为40分钟。
新下载一张图片,放在所需路径,进行识别
python detect.py --weights runs/train/exp2/weights/last.pt --source data/images/kn.jpg