使用YOLO v10x训练BDD100K数据集

一、背景

最近要参加一个比赛，比赛是做图像识别的，比赛提供了部分BDD100K数据集，每个图片是1280*720的交通图片，每个标签中带有物体类别、物体左上锚点、物体右下锚点，如下：

比赛提供的标签数据有9种目标，如下：

比赛前的培训课程上，官方演示了使用YOLO V5模型训练了部分数据，因此我准备使用更高版本的YOLO V10模型训练完整的BDD100K数据集
我的环境信息如下：

• 操作系统windows11
• 显卡为NVIDIA GeForce RTX 3080
• cuda版本11.7
• cudnn版本8.9.7.29
• torch版本2.0.1+cu117
• torchvision版本0.15.0+cu117

二、准备数据集与环境

1. 下载BDD100K数据集

我忘记我的数据集是从哪里下载的了，可以参照BDD100K官方文档去下载，不过我下载的数据集和官网上的路径不大一致，但是差别不大，可以用

我下载下来的数据集路径如下：

images是图片文件路径，里面分为10k和100k，10k的数据体量小，我这里要训练100k的数据，test、train、val分别是测试集、训练集和验证集，里面都是jpg格式的图片数据

labels是标签文件路径，我下载的这里只有100k的，是不是10k的标签在100k里都能找到我没有去验证，对应这images/100k里的路径，labels/100l里有训练集和验证集的标签文件，都是json格式的，文件名与图片一一对应，如下：


标签json文件格式如下：

需要注意的是，BDD100K的数据标签里objects列表后面有一些内容长这样：

我没有去深挖这个标签代表什么，有兴趣可以去研究，因为我在这个项目中用不到这个标签，因此后面做标签转换的时候略过了这些标签。

2. 下载YOLO V10代码

从YOLO V10的Github主页上下载代码，有git的用git，没有git直接下载zip即可

下载完成后，把YOLO v10的代码放到项目路径中，我的路径如图：

3. 标签转换

BDD100K的数据标注方式与YOLO v10的标注方式不同，BDD100K是用左上和右下两个锚点的标注方式，而YOLO V10则是是用的中心点标注方法，例如：

在上图这个例子里，图片中有三个物体，两个人和一条领带，yolo模型的标注文件是txt文件，一行一条标注信息

我们以图片上的齐达内为例，他的标注有5个信息，分别是类别、中心点x相对位置，中心点y相对位置，图像高百分比height，图像宽百分比height

yolo模型不管图片的像素尺寸是多少，图片的长和宽都是0到1的范围，里面的每个物体也是一个矩形，x=0.48表示齐达内的中心点在图像x轴上的位置为0.48，y=0.63表示齐达内的中心点在图像y轴的0.63，height=0.71表示齐达内的高占整个图片高的71%，width=0.69表示齐达内的宽占整个图片宽的69%，应该还是很好理解的。

这种标注相比于BDD100K的标注，好处在于更加通用，如果BDD100K的图像被缩放，不再是1280*720的尺寸，那么所有的标注锚点坐标都需要对应修改

所以我们需要先编写一个python脚本，来吧json格式的BDD100K标注文件转化成txt格式的YOLO v10标注文件，基本思路如下

假设我们有一张图片，大小是1280*720，在图片内部有一个标签为car的物体，左上角锚点的坐标是(100, 120)，右下角的锚点坐标是(200, 320)，那么：

• 中心点坐标X = ((200 - 100) / 2 + 100) / 1280 = 150 / 1280 = 0.1171875
• 中心点坐标Y = ((320 - 120) / 2 + 120) / 720 = 440 / 720 = 0.3055556
• 物体宽度width = (200 - 100) / 1280 = 0.078125
• 物体高度height = (320 - 120) / 720 = 0.277778
  

简化一下，得到公式：

• center_X = (x1 + x2) / 2 / 1280
• center_Y = (y1 + y2) / 2 / 720
• width = (x2 - x1) / 1280
• height = (y2 - y1) / 1280

根据上面的公示编写脚本就可以了，需要注意的是要把训练集的标签和验证集的标签都进行转换，我的转换脚本名为转换标签.py，路径在cs目录中：

代码如下：

import json
import os

# 输入和输出路径
# input_json_path = '../bdd100k/labels/100k/train'
# output_txt_dir = '../bdd100k/labels/100k/train'
input_json_path = '../bdd100k/labels/100k/val'
output_txt_dir = '../bdd100k/labels/100k/val'

# 类别映射，可以根据需要修改
category_map = {
   
    'bus': 0,
    'traffic light': 1,
    'traffic sign': 2,
    'person': 3,
    'bike': 4,
    'truck': 5,
    'motor': 6,
    'car': 7,
    'rider': 8,
    # 添加其他类别
}

category_keys_list = list(category_map.keys())  # 所有需要识别的物体名称列表

# 确保输出目录存在
os