YOLOv5训练自己的数据集

前言：
yolov5运行环境的搭建，可以参考上一篇文章
🚀 YOLOv5安装教程
🚀 这篇文章将阐述如何使用yolov5使用自己的数据集来训练模型

数据集制作(检测公交车例子)

数据标注（工具使用）

1、LabelImg
2、Make Sense
大部分人都会使用LabelImg标注软件来标注，当然你也可以使用LabelImg来标注，这里我选择一个更加方便的标注网站，网站地址如下Make Sense，直接点击就可以进入该网站

Make Sense 工作流程比较简单，选择需要被检查的图片数据集，标注好类型，把图片进行标注导出对应格式的txt，后面会开一篇写工具的使用。

数据集ymal文件的编写

1、在yolov5程序下，./data目录下，新建一个ymal文件，这里我取bus.ymal

数据集这里我放在目录下，在配置好ymal参数

制作数据集结构

结构如下所示，其dataset放在yolov5-master文件夹第一层就好，或者随便放都行，推荐放yolov5-master文件夹第一层。训练集和验证集自己划分比例，一般都是30%作为验证集合，需要注意的是，文件夹命名按着下面的一样

数据结构

dataset/
├── train/
│ ├── images/
│ │ ├── image1.jpg
│ │ ├── image2.jpg
│ │ └── …
│ ├── labels/
│ │ ├── image1.txt
│ │ ├── image2.txt
│ │ └── …
│ └── …
└── val/
├── images/
│ ├── image101.jpg
│ ├── image102.jpg
│ └── …
├── labels/
│ ├── image101.txt
│ ├── image102.txt
│ └── …
└── …

调整代码开始训练

train.py代码修改

🥩 要是运行不成功，使用命令行运行，格式按着下方来，我实验的电脑无GPU，所以选用的是CPU，要是有GPU，可以改成"0"，可以使用GPU进行训练。

 python train.py --img 640 --batch 32 --epoch 300 --data data/bus.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt --device cpu

训练完成！！！奖励自己来个 🥩🥩🥩🥩🥩🥩🥩。

修改predict.py文件进行推理

–weights 模型替换为自己训练的模型 best.pt
–source 自己的图片集

效果如下：

数据集和相关学习资料会同步上传到公众号，需要的同学移步下。谢谢支持！！！！
添加公众号 回复 “yolov5数据集”