用YOLOv5训练自己的数据集
创建环境
使用ptyhon3.7版本
ptyorch的安装
yolov5最新版本需要pytorch1.6版本以上,使用以下代码进行环境的安装:
pip install torch==1.7.0+cu101 torchvision==0.8.1+cu101 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html
下载源码和安装所需要的库
源码地址:https://github.com/ultralytics/yolov5
在anaconda中进入项目的路径
cd 目录
然后安装项目所依赖的库
pip install -r requirements.txt
数据集的准备
由于YOLOv5对于标签只识别txt的文件,所以在使用labelimg进行标注时需要把生成的xml文件转换为txt文件。有的标注工具标签是json格式的,需要先把json转换成xml再转换成txt文件才可以
创建文件夹
自己先创建一个VOCCDATA文件夹里,里面包含images、Annotations和ImageSets子文件夹,再在ImageSets里创建main文件夹,main文件夹里包含train.txt和test.txt文件(txt文件都是空的)。
数据集的处理
先对数据集的划分
import os
import random
trainval_percent = 0.2 #可自行进行调节
train_percent = 1
xmlfilepath = 'VOCCData/Annotations' #自己的路径
txtsavepath = 'VOCCData/ImageSets/Main' #自己的路径
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
#ftrainval = open('VOCCData/ImageSets/Main/trainval.txt', 'w')
ftest = open('VOCCData/ImageSets/Main/test.txt', 'w') #自己的路径
ftrain = open('VOCCData/ImageSets/Main/train.txt'