零基础教程：使用yolov5训练无人机VisDrone数据集

Dragon_0010

已于 2024-08-05 13:30:31 修改

阅读量1.4k

点赞数 6

文章标签： YOLO 目标检测人工智能 python 计算机视觉

于 2023-09-18 15:14:16 首次发布

本文链接：https://blog.csdn.net/pyscl01/article/details/132967159

版权

本文介绍了如何使用Yolov5进行深度学习项目，包括下载官方代码、验证环境、准备COCO128数据集、VisDrone2019数据集的下载与配置、以及如何在train.py中进行训练，重点强调了环境设置和数据集的准备工作。

摘要由CSDN通过智能技术生成

1.训练前的准备

1.先给出yolov5的官方代码地址：

https://github.com/ultralytics/yolov5

2.没有梯子的在百度网盘下载：

链接：https://pan.baidu.com/s/148B6HG1nhxHDrS-9s-CVgg
提取码：llnz

3.打开深度学习环境，下载所需要的包

4.验证环境是否安装成功

1.下载yolov5预训练权重到根目录

2.打开根目录下面的detect.py文件

直接运行此py文件

有预测结果，说明环境配置成功了。

2.准备数据集，修改配置文件

1.先试着训练一下自带的coco128数据集

打开根目录下面的train.py,修改为以下的参数

然后运行trian.py，开始训练

训练完毕

2.先给出VisDrone2019数据集的下载地址：

链接：https://pan.baidu.com/s/1N1IuBkoX2jd_6x4kscSDKg
提取码：l070

3.将数据集VisDrone放在datasets目录下面

4.准备yaml文件

复制VisDrone.yaml到同级文件夹并重命名

然后复制下列代码到新的yaml文件

# YOLOv5 🚀 by Ultralytics, AGPL-3.0 license
# VisDrone2019-DET dataset https://github.com/VisDrone/VisDrone-Dataset by Tianjin University
# Example usage: python train.py --data VisDrone.yaml
# parent
# ├── yolov5
# └── datasets
#     └── VisDrone  ← downloads here (2.3 GB)


# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: datasets/VisDrone  # dataset root dir
train: VisDrone2019-DET-train/images  # train images (relative to 'path')  6471 images
val: VisDrone2019-DET-val/images  # val images (relative to 'path')  548 images
test: VisDrone2019-DET-test-dev/images  # test images (optional)  1610 images

# Classes
names:
  0: pedestrian
  1: people
  2: bicycle
  3: car
  4: van
  5: truck
  6: tricycle
  7: awning-tricycle
  8: bus
  9: motor