用YOLOv5训练自己的目标检测数据集(以口罩检测为例)

        运行YOLOv5首先需要安装深度学习环境,教程请看安装pytorch深度学习环境(GPU版)

        YOLOv5的代码在GitHub上是开源的GitHub - ultralytics/yolov5,利用其代码实现自己的目标检测需求,需要3个步骤:1.准备数据集;2.配置代码参数,训练模型;3.预测。以下笔者将带大家一步步实现自己的目标检测模型训练。

一、准备数据集

1.1 收集图片

        我们根据自己的需求收集相关图片,在这里以口罩识别为例。我们从网上收集到一些戴口罩和不戴口罩的图片,如下图所示:                

1.2 利用labelimg软件给收集到的图片打标签

1.2.1 labelimg软件的安装

        labelimg软件是一款开源的数据标注工具,可以标注三种格式。①VOC标签格式的xml文件。②yolo标签格式的txt文件。③createML标签格式的json文件。

        labelimg的安装很简单,我们打开cmd,输入以下命令即可:

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

1.2.2 利用labelimg软件打标签 

        首先我们不妨建立个名为VOC2007的文件夹,里面创建一个名为JPEGImages的文件夹用以存放我们收集好的需要打标签的图片;再创建一个名为Annotations的文件夹用以存放标注的标签文件;最后创建一个名为 predefined_classes.txt 的txt文件用以存放所要标注的类别名称。结构如下图所示:

        在这里我们想要实现的是检测有没有戴口罩,因此predefined_classes.txt文件的类别只有2个,如下图所示:

                                   

        然后,我们要在VOC2007的目录下(一定要是该目录下)打开cmd,输入以下命令: 

labelimg JPEGImages predefined_classes.txt

         这个命令的意思是利用labelimg软件给JPEGImages文件夹中的图片,按照 predefined_classes.txt 文件中的分类打标签。

        打开后的界面如下图所示,其中

        Open Dir是选择存放图片的文件夹,在这里我们的命令将其默认为JPEGImages文件夹;

        Change Save Dir是改变存储标签的文件夹,这里我们默认为Annotations文件夹;

        PascalVOC是选择标签格式,上边介绍过,主要有3种,我们通常选择PascalVOC的xml格式,YOLO格式也行,两者之间可以相互转换;

        Create RectBox是产生打标签的十字位置线,对图片进行标注。

        框取目标检测位置后会出现标签选择框,我们选择对应的标签即可,如下图所示。然后就可以点击Next Image对下一幅图片进行标注,直至全部图片标注完成。

        两种标签格式如下图所示:

        PascalVOC的xml格式:

                                           

        YOLO的txt格式:

                                     

1.3 标签格式的转化及训练集和验证集的划分

1.3.1 xml格式标签转化为txt格式,并划分训练集(80%)和验证集(20%)

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
import random
from shutil import copyfile

classes = ["unmask", "mask"]

TRAIN_RATIO = 80        %训练集的比例


def clear_hidden_files(path):
    dir_list = os.listdir(path)
    for i in dir_list:
        abspath = os.path.join(os.path.abspath(path), i)
        if os.path.isfile(abspath):
            if i.startswith("._"):
                os.remove(abspath)
        else:
            clear_hidden_files(abspath)


def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (
  • 11
    点赞
  • 172
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 8
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

仲夏夜之梦xz

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值