yolov5训练 SeaShip7000

1.数据集制作

1.1 转换格式

由于SeaShip数据集的格式不是标准的voc格式需要转换一下:

voc_seaship.py

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

sets=[('SeaShip', 'train'), ('SeaShip', 'val')]

classes = ["ore carrier", "general cargo ship", "bulk cargo carrier", "container ship", "fishing boat", "passenger ship"]

def convert(size, box):
    dw = 1./size[0]
    dh = 1./size[1]
    x = (box[0] + box[1])/2.0
    y = (box[2] + box[3])/2.0
    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(year, image_id):
    in_file = open('Annotations/%s.xml'%(image_id))
    out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year, 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
        cls = obj.find('name').text
        #if cls not in classes or int(difficult) == 1:
        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))
        bb = convert((w,h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')

wd = getcwd()

for year, image_set in sets:
    if not os.path.exists('VOCdevkit/VOC%s/labels/'%(year)):
        os.makedirs('VOCdevkit/VOC%s/labels/'%(year))
    image_ids = open('ImageSets/Main/%s.txt'%(image_set)).read().strip().split()
    list_file = open('%s_%s.txt'%(year, image_set), 'w')
    for image_id in image_ids:
        list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n'%(wd, year, image_id))
        convert_annotation(year, image_id)
    list_file.close()

目录结构:
.
├── Annotations
├── ImageSets
├── JPEGImages
├── SeaShip_train.txt
├── SeaShip_val.txt
├── VOCdevkit
└── voc_seaship.py

生成好后把label里面的.txt文件放进./VOCdevkit/VOCSeaShip/JPEGImages
里面这步很重要

1.2 环境搭建

e.g. 我用的是cuda10.1 和 pytorch 1.7 配置流程参考

conda create -n yolov5 python=3.8

1.3 下载yolov5源码

官方网址:https://github.com/ultralytics/yolov5

cd yolov5
pip install -r requirements.txt

1.4修改yolov5配置文件

我们用yolov5s做测试因为这个速度最快:

1.4.1 制作自己的.yaml文件

复制 data/voc.yaml文件并改为自己的名字,只修改nc: 和names:

在这里插入图片描述

1.4.2 修改yolov5s.yaml文件

只需要修改model/yolov5s.yaml里面的nc:即可

2.开始训练

在yolov5的根目录下

python train.py --epochs 10 --cfg models/Shipyolov5s.yaml --data data/myshipvoc.yaml --weights yolov5s.pt --batch-size 32

测试

python detect.py --source data/images/ship-1.jpg --weights runs/train/exp14/weights/best.pt --conf 0.25

  • 2
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 23
    评论
yolov5训练打断可能有多种原因。首先,使用错误的预训练权重进行训练可能会导致打断。因为不同的预训练权重对应着不同的网络层数,使用错误的预训练权重会引起错误报错。所以,在训练过程中,需要确保使用的是正确的预训练权重,并且将相应参数配置在yolov5.yaml文件中。 其次,不同版本的yolov5可能会出现不同的问题。有些版本可能在某些环境下无法正常运行。例如,yolov5-master版本可以正常运行,但是yolov5-5.0/yolov5-6.1等版本可能无法正常运行。因此,如果遇到训练打断的问题,可以尝试切换到其他版本或查找可能的解决方案。 此外,数据制作的麻烦也是可能导致训练打断的原因之一。在YOLOv5训练中,数据集的准备是非常重要的一步。如果数据集制作存在问题或者数据集不满足YOLOv5训练的要求,那么训练过程中可能会出现问题。可以尝试使用专门的数据集制作助手来快速完成满足YOLOv5训练的数据集模式,以避免数据制作的麻烦和可能导致的训练打断问题。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [yolov5训练自己的数据集](https://blog.csdn.net/weixin_70251903/article/details/126813751)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *3* [YOLOv5快速训练助手](https://download.csdn.net/download/u014297502/85582459)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 23
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值