YoloV5火焰检测
一、YOLOV5 实现检测
1.1 下载源码
官方地址下载源码 YoloV5
1.2 下载模型
下载官方模型,官方提供预训练模型,下载地址为谷歌云盘
二、YOLOV5训练数据集
2.1 火焰数据集
实验数据集共有2059张具有标签的火焰图片。
数据集下载地址
其中Annotations文件里存放的是带标注的xml文件,Image中存放的是火焰图片。
2.2 制作数据集
使用脚本voc_label.py生成labels文件,train.txt以及test.txt。其中labels是从Annotations/xxx.xml中提取的不同图像的标注信息,并采用.txt的形式存储。 train.txt 和 test.txt中分别为训练图像的绝对位置。
voc_label.py
# 缺陷坐标xml转txt
import os
import xml.etree.ElementTree as ET
import os
import random
classes = ["fire"] # 输入类别名称,必须与xml标注名称一致
def convert(size, box):
print(size, box)
dw = 1. / size[0]
dh = 1. / size[1]
x = (box[0] + box[1]) / 2.0
y = (box[2] + box[3]) / 2.0
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)
def convert_annotation(image_id):
if not os.path.exists('data/labels/'):
os.makedirs('data/labels/')
in_file = open(r'./data/Annotations/%s' % (image_id), 'rb') # 读取xml文件路径
out_file = open('./data/labels/%s.txt' % (image_id.split('.')[0]), 'w') # 需要保存的txt格式文件路径
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
for obj in root.iter('object'):
cls = obj.find('name').text
if cls not in classes:
continue
cls_id = classes.index(cls) + 1
xmlbox = obj