一、前言
本项目我想分为三个阶段下面概述一下:
-
🥇环境配置
-
🥇数据集准备
-
🥇使用YOLOv7训练并测试自己的数据集
-
🥇一些常用的报错
🥇二、环境配置
🥇2.1 安装Anaconda
Anaconda包括Conda、Python以及一大堆安装好的工具包,比如:numpy、pandas等
conda是一个开源的包、环境管理器,可以用于在同一个机器上安装不同版本的软件包及其依赖,并能够在不同的环境之间切换。
下载官网:Anaconda | The World’s Most Popular Data Science Platform
有的时候我们需要下载一些比较旧的版本的Anaconda,网址:旧版Anaconda存档地址
🥇2.2 安装Cuda及Cudnn
-
🥇方法1:桌面右键打开nvidia控制面板
点击左下角的系统信息
点击组件你可以看到你的电脑显卡支持的最高版本的cuda,比如我的显卡支持最高的cuda版本为11.7.99
-
🥇方法2:win+r快捷键,输入cmd,打开终端窗口输入nvidia-smi
CUDA下载地址:CUDA Toolkit Archive | NVIDIA Developer
🥇安装Pytorch
首先利用conda建立一个环境:conda create -n yolo7 python=3.9
进Pytorch官网:下载对应cuda版本的pytorch
这是cuda11.7对应的pytorch
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia
当出现了done表示Pytorch已经安装结束,下面测试一下是否安装成功
import torch
import torchvision
🥇三、数据集标注
🥇3.1安装labelimg
在命令行窗口中依次输入下列代码,安装labelimg依赖的第三方库。
pip install PyQt5
pip install pyqt5-tools
pip install lxml
pip install labelimg
在第三方库安装完成后,在命令行中输入labelimg指令以启动labelimg
🥇四、使用YOLOv7训练并测试自己的数据集
🥇4.1下载YOLOv7
YOLOv7官方下载地址:github中的官方下载地址
yolov7.pt下载地址:Releases · WongKinYiu/yolov7 · GitHub
安装yolov7所需要的依赖
activate yolo7
pip install -r requirements.txt
🥇4.2 测试代码是否能正常运行
官方给了几张图来进行测试我们选取其中的一张图进行测试
python detect.py --weights yolov7.pt --conf 0.25 --img-size 640 --source inference/images/horses.jpg
🥇4.3 准备我们自己的数据集
新建一个VOCdata的文件夹
VOCdata文件夹格式如下
-
Annotations文件夹存放xml标签文件
-
dataSet_path这个是xml转化为YOLO格式过后的训练集划分
-
images就是存放我们的数据集
-
labels是YOLO格式数据集(这是运行xml_to_yolo.py过后产生的YOLO格式标签)
大家只需要了解上面的存放只需要把你的数据集放在imges文件夹中,以及把xml标签在Annotations文件夹下
在VOCdata文件夹下新建一个split_train_val.py用来划分数据集
# coding:utf-8
import os
import random
import argparse
parser = argparse.ArgumentParser()
#xml文件的地址,根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument('--xml_path', default='Annotations', type=str, help='input xml label path')
#数据集的划分,地址选择自己数据下的ImageSets/Main
parser.add_argument('--txt_path', default='ImageSets/Main', type=str, help='output txt label path')
opt = parser.parse_args()
trainval_percent = 0.9 # 训练集和验证集所占比例。 这里没有划分测试集
train_percent = 0.9 # 训练集所占比例,可自己进行调整
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
os.makedirs(txtsavepath)
num = len(total_xml)
list_index = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train = random.sample(trainval, tr)
file_trainval = open(txtsavepath + '/trainval.txt', 'w')
file_test = open(txtsavepath + '/test.txt', 'w')
file_train = open(txtsavepath + '/train.txt', 'w')
file_val = open(txtsavepath + '/val.txt', 'w')
for i in list_index:
name = total_xml[i][:-4] + '\n'
if i in trainval:
file_trainval.write(name)
if i in train:
file_train.write(name)
else:
file_val.write(name)
else:
file_test.write(name)
file_trainval.close()
file_train.close()
file_val.close()
file_test.close()
进入命令行窗口运行python split_train_val.py
用来划分数据集
下面的图是划分数据集产生的txt文件
在VOCdata文件夹下新建一个xml_to_yolo.py将xml转化为txt
# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET
import os
from os import getcwd
sets = ['train', 'val', 'test']
classes = ['RBC', 'WBC', 'Platelets'] # 改成自己的类别
abs_path = os.getcwd()
print(abs_path)
def convert(size, box):
dw = 1. / (size[0])
dh = 1. / (size[1])
x = (box[0] + box[1]) / 2.0 - 1
y = (box[2] + box[3]) / 2.0 - 1
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):
in_file = open('D:/yolov7-main/VOCdata/Annotations/%s.xml' % (image_id), encoding='UTF-8')
out_file = open('D:/yolov7-main/VOCdata/labels/%s.txt' % (image_id), 'w')
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'):
difficult = obj.find('difficult').text
# difficult = obj.find('Difficult').text
cls = obj.find('name').text
if cls not in classes :
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
float(xmlbox.find('ymax').text))
b1, b2, b3, b4 = b
# 标注越界修正
if b2 > w:
b2 = w
if b4 > h:
b4 = h
b = (b1, b2, b3, b4)
bb = convert((w, h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
wd = getcwd()
for image_set in sets:
if not os.path.exists('D:/yolov7-main/VOCdata/labels/'):
os.makedirs('D:/yolov7-main/VOCdata/labels/')
image_ids = open('D:/yolov7-main/VOCdata/ImageSets/Main/%s.txt' % (image_set)).read().strip().split()
if not os.path.exists('D:/yolov7-main/VOCdata/dataSet_path/'):
os.makedirs('D:/yolov7-main/VOCdata/dataSet_path/')
list_file = open('dataSet_path/%s.txt' % (image_set), 'w')
# 这行路径不需更改,这是相对路径
for image_id in image_ids:
list_file.write('D:/yolov7-main/VOCdata/images/%s.jpg\n' % (image_id))
convert_annotation(image_id)
list_file.close()
运行xml_to_yolo.py,python xml_to_yolo.py
在data文件夹中新建一个myvoc.yaml
代码如下:
# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: D:/yolov7-main/VOCdata/dataSet_path/train.txt # 118287 images
val: D:/yolov7-main/VOCdata/dataSet_path/val.txt # 5000 images
test: D:/yolov7-main/VOCdata/dataSet_path/test.txt # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794
# number of classes
nc: 1
# class names
names: ['野原新之助']
🥇4.4 训练模型并利用训练好的模型进行推断
解决这个就可以开始训练了
训练命令为:
python train.py --workers 8 --device 0 --batch-size 6 --epochs 100 --data data/myvoc.yaml --img 640 640 --cfg cfg/training/yolov7.yaml --weights yolov7.pt --name yolov7 --hyp data/hyp.scratch.p5.yaml
推理命令为:
python detect.py --weights runs/train/yolov7/weights/best.pt --source inference/images/ --device 0
🥇注:这里需要你把你的图片放到inference/images文件夹下
推理的图片中文乱码
🥇五、一些常见报错
🥇5.1 UnicodeDecodeError: ‘gbk’ codec can’t decode type 0xaf in position 525: illegal multibyte sequence
原因是python和win10系统,打开文件时默认的编码方式冲突导致:python默认的是gbk,而win10默认的是utf-8,所以只要改一下python打开文件时,默认的编码就行,代码就在下面复制就行了。
with open(opt.data,'r',encoding='utf-8') as f:
🥇5.2 attributeerror: ‘FreeTypeFont‘ object has no attribute ‘getsize‘
这是因为安装了新版本的Pillow,新版本的删除了getsize功能 ,降级到 Pillow 9.5 解决了该问题
pip install Pillow==9.5
🥇5.3 ValueError: zero-size array to reduction operation maximum which has no identity
遇见这个报错是label问题,检查一下label生成的对不对
🥇5.4 中文标签乱码
opencv的cv2.putText()不支持中文,需要重写plots.py里的plot_one_box()函数
def plot_one_box(x, img, color=None, label=None, line_thickness=3):
# Plots one bounding box on image img
tl = line_thickness or round(0.002 * (img.shape[0] + img.shape[1]) / 2) + 1 # line/font thickness
color = color or [random.randint(0, 255) for _ in range(3)]
c1, c2 = (int(x[0]), int(x[1])), (int(x[2]), int(x[3]))
cv2.rectangle(img, c1, c2, color, thickness=tl, lineType=cv2.LINE_AA)
if label:
tf = max(tl - 1, 1) # font thickness
t_size = cv2.getTextSize(label, 0, fontScale=tl / 3, thickness=tf)[0]
font_size = t_size[1]
font = ImageFont.truetype(r"D:\YOLOV7\yolov7-main\Font\simsun.ttc", font_size, encoding="utf-8")
t_size = font.getsize(label)
c2 = c1[0] + t_size[0], c1[1] - t_size[1]
cv2.rectangle(img, c1, c2, color, -1, cv2.LINE_AA) # filled
img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
draw = ImageDraw.Draw(img)
draw.text((c1[0], c2[1]), label, (0, 0, 0), font=font)
# cv2.putText(img, label, (c1[0], c1[1] - 2), 0, tl / 3, [225, 255, 255], thickness=tf, lineType=cv2.LINE_AA)
plt.imshow(img)
plt.show()
return cv2.cvtColor(np.array(img), cv2.COLOR_RGB2BGR)
为了保证多个标签时能都保存下来,需要将detect.py第117行im0 =plot_one_box(xyxy, im0, label=label, color=colors[int(cls)], line_thickness=3),plots.py文件第194行plot_one_box(box, mosaic, label=label, color=color, line_thickness=tl)改为mosaic = plot_one_box(box, mosaic, label=label, color=color, line_thickness=tl)
这样在进行推理就可以成功了
🥇六、结语
鄙人不才,如有错误请帮忙指点出来,一路跌跌撞撞才写出这个博文,希望对大家有帮助
闲暇之余不妨看看万千世界,享受自然之韵,余亦钟之于此。
配上一幅秋日游玩图,不成敬意!