YOLOv5如何训练自己的数据集

最新推荐文章于 2024-04-25 18:21:15 发布

qq_42475191

最新推荐文章于 2024-04-25 18:21:15 发布

阅读量2.5k

点赞数 1

分类专栏：深度学习文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/qq_42475191/article/details/128120399

版权

深度学习专栏收录该内容

4 篇文章 0 订阅

订阅专栏

一、标注

1.1 标注软件下载labelimg

下载地址：mirrors / tzutalin / labelimg · GitCode

2.2 修改wzry_parameter.yaml文件

1.调参找到def parse_opt():这行，以下是我们要调参的位置

2.结果结果在runs/detect/exp中原文链接：https://blog.csdn.net/m0_53392188/article/details/119334634

从第三章开始就错了，我的train.py运行有问题，可能原文是v5环境，我直接再7里面弄的

一、标注

有两个软件可以用：labelme，需要json转txt(我用的这个)还有一个是labelimg是将xml转为txt.

1.1 标注软件下载labelimg

下载地址：mirrors / tzutalin / labelimg · GitCode

下载后解压压缩包，注意路径一定不要有中文名称。

在labeling目录下，打开cmd,然后输入：pyrcc5 -o resources.py resources.qrc

可能出现错误：

将resources.py文件放入libs文件夹，再输入python labelImg.py进入以下界面：

到此，安装成功！！！

参考文章：labelImg安装所遇到的那些坑_与君初相识的博客-CSDN博客

方法二：

参考文章：

GitHub - wkentaro/labelme: Image Polygonal Annotation with Python (polygon, rectangle, circle, line, point and image-level flag annotation).

下载完成之后，在Anaconda Prompt里pip install pyqt5和pip install labelme

右击，点击rectangle，即画矩形框，框选你要识别训练的东西,框选之后输入标签的名字，注意，可以框选多个作为标签。框选完一张图后保存，然后接着下一张图。保存的文件格式是.json

1.2 json转txt

由于yolov5只认txt而不认json，因此还要有一个转换的过程

在yolov5-master中创建一个.py文件，代码如下:

name2id = {'fbb': 0} 是标签的名字，我只搞了一个标签；注意，json文件夹下只能由json,不要和你的图片放在一个文件夹下了。

import json
import os

name2id = {'fbb': 0}  # 标签名称


def convert(img_size, box):
    dw = 1. / (img_size[0])
    dh = 1. / (img_size[1])
    x = (box[0] + box[2]) / 2.0 - 1
    y = (box[1] + box[3]) / 2.0 - 1
    w = box[2] - box[0]
    h = box[3] - box[1]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def decode_json(json_floder_path, json_name):
    txt_name = 'C:\\MyWorkSpace\\PythonWorkSpace\\yolov7-main\\yolov7-main\\MX\\datasets\\labels\\train\\' + json_name[0:-5] + '.txt'
    # 存放txt的绝对路径
    txt_file = open(txt_name, 'w')

    json_path = os.path.join(json_floder_path, json_name)
    data=json.load(open(json_path,'r',encoding='gb2312',errors='ignore'))
    img_w = data['imageWidth']
    img_h = data['imageHeight']

    for i in data['shapes']:

        label_name = i['label']
        if (i['shape_type'] == 'rectangle'):
            x1 = int(i['points'][0][0])
            y1 = int(i['points'][0][1])
            x2 = int(i['points'][1][0])
            y2 = int(i['points'][1][1])

            bb = (x1, y1, x2, y2)
            bbox = convert((img_w, img_h), bb)
            txt_file.write(str(name2id[label_name]) + " " + " ".join([str(a) for a in bbox]) + '\n')


if __name__ == "__main__":
    json_path = r"C:\MyWorkSpace\YOLOV7_Pack\Picture\FanBinBin"
    # 存放json的文件夹的绝对路径
    json_names = os.listdir(json_path)
    for json_name in json_names:
        decode_json(json_path, json_name)

1.3 xml转txt

这是别人的方法，我没试

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
 
 
def convert(size, box):
    # size=(width, height)  b=(xmin, xmax, ymin, ymax)
    # x_center = (xmax+xmin)/2        y_center = (ymax+ymin)/2
    # x = x_center / width            y = y_center / height
    # w = (xmax-xmin) / width         h = (ymax-ymin) / height
 
    x_center = (box[0] + box[1]) / 2.0
    y_center = (box[2] + box[3]) / 2.0
    x = x_center / size[0]
    y = y_center / size[1]
 
    w = (box[1] - box[0]) / size[0]
    h = (box[3] - box[2]) / size[1]
 
    # print(x, y, w, h)
    return (x, y, w, h)
 
 
def convert_annotation(xml_files_path, save_txt_files_path, classes):
    xml_files = os.listdir(xml_files_path)
    # print(xml_files)
    for xml_name in xml_files:
        # print(xml_name)
        xml_file = os.path.join(xml_files_path, xml_name)
        out_txt_path = os.path.join(save_txt_files_path, xml_name.split('.')[0] + '.txt')
        out_txt_f = open(out_txt_path, 'w')
        tree = ET.parse(xml_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:
            #     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))
            # b=(xmin, xmax, ymin, ymax)
            # print(w, h, b)
            bb = convert((w, h), b)
            out_txt_f.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
 
 
if __name__ == "__main__":
    # 把forklift_pallet的voc的xml标签文件转化为yolo的txt标签文件
    # 1、需要转化的类别
    classes = ['People', 'Car', 'Bus', 'Motorcycle', 'Lamp', 'Truck']
    # 2、voc格式的xml标签文件路径
    xml_files1 = r'D:\Technology\Python_File\yolov5\M3FD\Annotation_xml'
    # xml_files1 = r'C:/Users/GuoQiang/Desktop/数据集/标签1'
 
    # 3、转化为yolo格式的txt标签文件存储路径
    save_txt_files1 = r'D:\Technology\Python_File\yolov5\M3FD\Annotation_txt'
 
    convert_annotation(xml_files1, save_txt_files1, classes)