Yolov5训练自己的数据集

参考：Yolov5自定义图片训练测试及模型调优（详细过程）_HowieXue的博客-CSDN博客_yolov5调优

原代码推理：

训练自己的数据集：

1.准备数据集

首先划分测试数据集，将自定义测试的图像数据和标签数据集分别 划分为：训练集、验证集、测试集，照Yolov5原生格式，新建一个datasets目录，并创建images，labels两个子目录，分别存放待训练的图像以及标注后的label数据:； 

 

将相应测试数据集分别放入相应文件夹中（文件名要一一对应），如下图：

 

 

 

2.修改data/训练配置xxx.yaml文件

下面需要修改Yolov5的训练配置参数，既自定义制作自己使用的训练.yaml配置文件：

为了方便修改，我们可以copy一份原有的data/coco128.yaml, 重命名一下，并修改其中的参数为自定义训练的参数：

先看下coco128.yaml，可以看到原有coco训练集的类别数量是80个，标签（模型能识别的类别名）分别是下面的name 根据具体需要修改，我这里测试所用的修改为：

修改path/train/val/test的目录路径为自定义数据集路径 将nc（number of classes）改为 2 修改Names为自己数据的类别名 注释掉Download train.py在训练过程中，会将路径中的images替换为 labels来寻找labels数据 修改后的yaml:

 

根据需要选择其中的模型yaml进行修改，在models文件夹中，本次使用的是yolov5s.yaml（权重也要对应选择yolov5s.pt），改发：

nc 修改为2

• 针对Anchors ，如果自己提前聚类过，可以同步把计算后anchors修改下，如果没有可以不修改

训练：

python train.py --cfg models/yolov5s.yaml --data data.yaml --weights yolov5s.pt --epoch 100 --batch-size 8

报错：

 

肯定是包的问题，我的是wandb这个包安装错了路径，卸载后用pip重装即可。

 

再有路径问题就把ROOT都删掉

训练完了

训练完后，通过最后log可以看到训练好的模型的权重保存在了runs/train/exp17/weights/last.pt和best.pt

其中还包括了PR Curve 曲线、Confusion matric （混淆矩阵）、results.png/txt 等训练过程数据

train.py相关参数解析：

1. weights：权重文件路径，如果是’'则重头训练参数，如果不为空则做迁移学习，权重文件的模型需与cfg参数中的模型对应

2. epochs：指的就是训练过程中整个数据集将被迭代多少次

3. batch-size：每次梯度更新的批量数，指一次看完多少张图片才进行权重更新

4. config-thres: 模型目标检测的置信度阈值

5. cfg：存储模型结构的配置文件

6. data：存储训练、测试数据的文件

7. img-size：输入图片的宽高

8. rect：进行矩形训练

9. resume：恢复最近保存的模型开始训练

10. nosave：仅保存最终checkpoint

11. notest：仅测试最后的epoch

12. evolve：进化超参数

13. cache-images：缓存图像以加快训练速度

14. name： 重命名results.txt to results_name.txt

15. device：cuda device, i.e. 0 or 0,1,2,3 or cpu

16. adam：使用adam优化

17. multi-scale：多尺度训练，img-size +/- 50%

18. single-cls：单类别的训练集

使用yolov5s.pt训练后的结果：

 

使用yolov3-tiny.pt训练后的结果：