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”