目录
文章简介
上次有简单介绍下如何在本地安装yolov5并实现图片、视频、电脑本地摄像头以及手机摄像头的目标检测。本文接着介绍下如何在谷歌的Colab上部署和训练自己的数据集。为什么使用colab呢,由于本人使用的笔记版没有GPU,而colab提供了免费的GPU资源,对于想要尝试深度学习,却没有硬件设备支持的同学来说还是一个比较好的资源。缺点是需要梯子,colab的地址如下https://colab.research.google.com/
本文的数据源来自与kaggle的全球小麦检测项目,项目连接Global Wheat Detection | Kaggle
本文将介绍如何将介绍如何上传数据到colab,colab环境安装、模型训练和保存。
数据下载与预处理
数据介绍
在kaggle上下载的数据解压包含以下文件
其中我们关注的是tes和train文件夹以及train.csv文件。test和train中的数据样式如下
train.csv文件中,包含对应的图片的ID,检测框的width、height表示图像的尺寸,bbox:边界框,格式为 [xmin, ymin, width, height] 的 Python 样式列
数据预处理
# read the training data.
df = pd.read_csv('/Users/xinjin/Desktop/learning/2022年学习/物体检测/小麦检测/global-wheat-detection/train.csv')
bboxs = np.stack(df['bbox'].apply(lambda x: np.fromstring(x[1:-1], sep=',')))
for i, column in enumerate(['x', 'y', 'w', 'h']):
df[column] = bboxs[:,i]
df.drop(columns=['bbox'], inplace=True)
df['x_center'] = df['x'] + df['w']/2
df['y_center'] = df['y'] + df['h']/2
df['classes'] = 0
from tqdm.auto import tqdm
import shutil as sh
df = df[['image_id','x', 'y', 'w', 'h','x_center','y_center','classes']]
将数据处理成yolov5需要的格式
source = 'train'
if True:
for fold in [0]:
val_index = index[len(index)*fold//5:len(index)*(fold+1)//5]
for name,mini in tqdm(df.groupby('image_id')):
if name in val_index:
path2save = 'val2017/'
else:
path2save = 'train2017/'
if not os.path.exists('convertor/fold{}/labels/'.format(fold)+path2save):
os.makedirs('convertor/fold{}/labels/'.format(fold)+path2save)
with open('convertor/fold{}/labels/'.format(fold)+path2save+name+".txt", 'w+') as f:
row = mini[['classes','x_center','y_center','w','h']].astype(float).values
row = row/1024
row = row.astype(str)
for j in range(len(row)):
text = ' '.join(row[j])
f.write(text)
f.write("\n")
if not os.path.exists('convertor/fold{}/images/{}'.format(fold,path2save)):
os.makedirs('convertor/fold{}/images/{}'.format(fold,path2save))
sh.copy("/Users/xinjin/Desktop/learning/2022年学习/物体检测/小麦检测/global-wheat-detection/{}/{}.jpg".format(source,name),'convertor/fold{}/images/{}/{}.jpg'.format(fold,path2save,name))
定义yaml文件
至此本地的数据预处理完成
colab数据上传
首先将在本地环境上调试好代码,将代码和数据预处理后的数据,压缩成zip文件,上传到colab中,由于直接上传到colab上速度太慢,因此,收件将文件上传到oneDrive上。上传文件时要注意使用网页版。
获取文件的下载链接,
点击下载,等文件开始下载后,点击暂停,复制出链接
colab下载oneDrive中的文件
!curl "链接" --output /conent/文件名
将文件解压
!unzip /content/wheat_detect.zip -d/content/yolov5
将/content/yolov5/__MACOSX删除
!rm -rf /content/yolov5/__MACOSX
进入到yolov5路径下
/content/yolov5/yolov5-6.2
安装需要的python包
!pip install -r requirements.txt
colab免费GPU训练
将colab修改为GPU模式
模型训练
使用训练好的模型,对test中图像进行检测
检测效果还行。
注
上传到colab上的数据和模型保存的结果在下次重新打开的时候会不见,所以在上传文件的时候,不要将数据直接存放到./content中,应该先挂载google硬盘,将zip解要到diver下的目录中,这样上传的数据以及保存的模型文件会存储再google硬盘上,不会丢失