YOLOV7--训练自己的数据集

To-

已于 2023-07-03 12:05:40 修改

阅读量239

点赞数 1

文章标签：深度学习目标检测 Powered by 金山文档

于 2023-03-17 11:12:47 首次发布

本文链接：https://blog.csdn.net/dong_qian/article/details/129615440

版权

教程参考：

b导:

(52条消息) 睿智的目标检测61——Pytorch搭建YoloV7目标检测平台_pytorch yolov7_Bubbliiiing的博客-CSDN博客 Predict-预测过程的前处理以及后处理_哔哩哔哩_bilibili

训练集-测试集-验证集

(23条消息) 训练集，验证集，测试集分别是什么_训练集验证集测试集_又决定放弃的博客-CSDN博客

(23条消息) 【深度学习】训练集、测试集和验证集_训练集测试集验证集_莫克_Cheney的博客-CSDN博客

训练集（Training Set）：用于训练模型。

验证集（Validation Set）：用于调整和选择模型--调整模型参数

测试集（Test Set）：用于评估最终的模型。

卷积-下采样-上采样

(25条消息) 卷积和池化的区别、图像的上采样（upsampling）与下采样（subsampled）_5行5列的原图像怎么子采样池化_liulina603的博客-CSDN博客

锚框-先验框概念及其生成

(25条消息) 锚框(anchor box)/先验框(prior bounding box)概念介绍及其生成_是苍啊！的博客-CSDN博客

(24条消息) 目标检测中的先验框（Anchor）_热血厨师长的博客-CSDN博客

对图像的像素框进行遍历，数据量太大，先进行下采样处理，降低图像的分辨率，得到图像的特征图，对特征图上的每个特征点取三个先验框，通过对先验框中心位置的偏移以及其宽高的变化得到预测框，与目标框对比，通过设定Iou阈值选出预测框，针对一个目标框，我们生成很多预测框并选取了一个IOU最大的预测框。通过分类头对这个先验框的类别做出预测，通过回归头归一化处理对先验框的位置和大小进行修改。

YOLOV7代码中的一些参数

(23条消息) YOLOV7开源代码讲解--训练参数解释_yolov7代码_爱吃肉的鹏的博客-CSDN博客

batch_size

(23条消息) 机器学习中的batch_size是什么？_batch size_勤奋的大熊猫的博客-CSDN博客

(23条消息) Batch Size的理解_Altoria.的博客-CSDN博客

例：训练集有1000个样本，batch_size=10，那么训练完整个样本集需要：

100次iteration，1次epoch。

batch_size（批大小）即为一次传递给程序用以训练的样本个数

epoch表示训练了多少轮---1个epoch表示将所有的样本训练一轮

iteration表示训练多少batch_size批次的样本--1个iteration等于使用batchsize个样本训练一次；

基于Pytorch搭建YoloV7目标检测平台实验步骤：

参考：

源码下载GIthub地址：https://github.com/bubbliiiing/yolov7-pytorch

博客详解地址：https://blog.csdn.net/weixin_44791964/article/details/125827160

视频详解地址：【Pytorch 搭建自己的YoloV7目标检测平台（Bubbliiiing 源码详解训练预测）】 https://www.bilibili.com/video/BV1VG411u79Z/?share_source=copy_web&vd_source=549092901ba1e1ff6d85ee27f379bf95

搭环境--连接服务器

使用WinSCP在服务器与电脑之间进行文件的进行文件的上传和下载

使用电脑系统自带的--远程桌面连接--与服务器连接

搭环境--pycharm安装

使用服务器上的pycharm

搭环境--yolov7项目下载

在github上下载yolov7项目

使用labelimg制作自己的数据集，并添加到项目中

将一个包含JPG和XML的混合文件夹分类成JPG和XML两个单独的子文件夹

说我tensorflow报错，啊。。。。原来我没有显卡

没有显卡，咱用服务器，难不倒咱，哈哈，咱终于克服了服务器的难题

数据集

准备好数据集，并使用labelimg标注

将数据集存放在项目中的VOCdevkit/VOC2007文件下

将原图存放在JPEGImages文件夹中

将标注的xml文件存放在Annotations文件夹中

注：原图和标注的xml文件必须一一对应

跑实验

训练自己的数据集

从根目录下的voc_annotation.py文件中修改参数：

annotation_mode = 0 ---生成ImageSets里面的txt文件，对数据集分类：训练集train.txt，测试集test.txt，验证集val.txt

---以及训练用的2007_train.txt、2007_val.txt

classes_path = 存放数据标注类型的分类（位于model_data文件夹下的新建的cls_classes.txt

在根目录下的train.py中包含各种参数

各种参数的解析：【Pytorch 搭建自己的YoloV7目标检测平台（Bubbliiiing 源码详解训练预测）】 https://www.bilibili.com/video/BV1VG411u79Z/?p=10&share_source=copy_web&vd_source=549092901ba1e1ff6d85ee27f379bf95

下载预训练权重文件

在train.py中修改 model_path = 'model_data/yolov7_weights.h5' 表示模型的预训练权重，模型的预训练权重对不同数据集是通用的，因为特征是通用的。在训练的时候使用预训练权重文件，不用的话主干部分的权值太过随机，特征提取效果不明显，网络训练的结果也不会好。