学习yolov5遇见的问题

目录

前言

一、前期准备？

二、训练自己数据

1.数据

2.训练

总结

---

前言

准备做目标检测，所以学习yolov5。教程参考保姆式yolov5教程，训练你自己的数据集

一、前期准备

• 创建虚拟环境的时候，使用以下代码，这样虚拟环境中有

conda create -n 虚拟环境名称 python=3.9 anaconda

• 开始使用的是python3.10，后面发现在安装labelimg，进行标注的时候，一直闪退。后发现是因为相关依赖库没有。降低版本到python3.9
• 安装第三方库是pip install -r requirements.txt

二、训练自己数据

1.数据

• 使用火焰数据集网上下载的，在教程评论区下载：火焰数据集
• 将数据集导入的过程中又报错，因为需要的label文件是txt，但是下载的数据是xml文件。需要将这个文件进行转换：目标检测中将已有的.xml数据集转换成.txt数据集(附代码，归一化后供YOLO格式使用)

2.训练

• yolov5训练自己的数据集-问题_train.cache_qq_409992227的博客-CSDN博客遇见问题参考文章:yolov5报错
• 报错：SSL: CERTIFICATE_VERIFY_FAILED

在train.py的最开头加入下列代码：

import ssl
ssl._create_default_https_context = ssl._create_unverified_context

• 报错：export GIT_PYTHON_REFRESH=quiet

 参考：https://blog.csdn.net/qq_63034152/article/details/131623372

• 报错：train: WARNING  D:\...\fire_fire_80.jpg: ignoring corrupt image/label: non-normalized or out of bounds coordinates 

 原因1：yolov5需要训练【JPG】格式的图片，而我们喂进去的部分是【JPEG】数据

             参考修改文章：将所有图片格式转化为JPG

原因2：归一化错误，之前不小心把正确代码改错了，在转化文件的时候，注意路径问题：

# 进行归一化操作
def convert(size, box): # size:(原图w,原图h) , box:(xmin,xmax,ymin,ymax)
    dw =1/ size[0]     # 1/w
    dh =1/ size[1]     # 1/h
    x = (box[0] + box[1])/2.0   # 物体在图中的中心点x坐标
    y = (box[2] + box[3])/2.0   # 物体在图中的中心点y坐标
    w = box[1] - box[0]         # 物体实际像素宽度
    h = box[3] - box[2]         # 物体实际像素高度
    x = x*dw    # 物体中心点x的坐标比(相当于 x/原图w)
    w = w*dw    # 物体宽度的宽度比(相当于 w/原图w)
    y = y*dh    # 物体中心点y的坐标比(相当于 y/原图h)
    h = h*dh    # 物体宽度的宽度比(相当于 h/原图h)
    return (x, y, w, h)    # 返回 相对于原图的物体中心点的x坐标比,y坐标比,宽度比,高度比,取值范围[0-1]

• 报错：AssertionError: Label class 1 exceeds nc=1 in data/fire.yaml. Possible class labels are 0-0

原因：fire.yaml里面的类别代码没有修改

# Classes
nc: 2  # number of classes
names: ['fire','smoke']  # class names