语义分割：YOLOv9的分割模型训练自己的数据集（从代码下载到实例测试）

前言

提示：本文是YOLOv9的分割模型训练自己数据集的记录教程，需要在本地已配置好CUDA,cuDNN等环境，没配置的小伙伴可以查看我的往期博客：在Windows10上配置CUDA环境教程

YOLOv9网络于2024年2月21日发布，其通过广义高效层聚合网络（GELAN）、可编程梯度信息（PGI）和辅助可逆分支设计等改进点，使得其在目标检测领域取得了显著的性能提升。其中也提供了目标分割的网络结构，本文就来搭建并记录一下。

代码地址：https://github.com/WongKinYiu/yolov9
论文地址：https://arxiv.org/abs/2402.13616

---

专栏目录：YOLOv9改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

专栏地址：YOLOv9改进专栏——以发表论文的角度，快速准确的找到有效涨点的创新点！

一、环境搭建

在配置好CUDA环境，并且获取到YOLOv9源码后，建议新建一个虚拟环境专门用于YOLOv9模型的训练。将YOLOv9加载到环境后，安装剩余的包。requirements.txt中包含了运行所需的包和版本，利用以下命令批量安装：

pip install -r requirements.txt

二、构建数据集

YOLOv9的分割模型训练需要原图像及对应的YOLO格式标签，还未制作标签的可以参考我这篇文章：Labelme安装与使用教程。
注意labelme的标签是json格式的，这在训练前需要将json转成yolo的txt格式。

在转换完成后，将数据存放在根目录的data/gasplume文件夹下，里面包含图像和标签。

标签内的格式如下：

	0 0.5655737704918032 0.460093896713615 0.5655737704918032 0.49765258215962443 0.5737704918032787 0.5352112676056338 0.5819672131147541 0.5915492957746479 0.5922131147540983 0.5821596244131455 0.5840163934426229 0.5305164319248826 0.5778688524590164 0.48826291079812206

将原本数据集按照8：1：1的比例划分成训练集、验证集和测试集三类，划分代码如下。

# 将图片和标注数据按比例切分为 训练集和测试集
import shutil
import random
import os
 
# 原始路径
image_original_path = "data/gasplume/newImage/"
label_original_path = "data/gasplume/newLabel/"
 
cur_path = os.getcwd()
# 训练集路径
train_image_path = os.path.join(cur_path, "datasets/images/train/")
train_label_path = os.path.join(cur_path, "datasets/labels/train/")
 
# 验证集路径
val_image_path = os.path.join(cur_path, "datasets/images/val/")
val_label_path = os.path.join(cur_path, "datasets/labels/val/")
 
# 测试集路径
test_image_path = os.path.join(cur_path, "datasets/images/test/")
test_label_path = os.path.join(cur_path, "datasets/labels/test/")
 
# 训练集目录
list_train = os.path.join(cur_path, "datasets/train.txt")
list_val = os.path.join(cur_path, "datasets/val.txt")
list_test = os.path.join(cur_path, "datasets/test.txt")
 
train_percent = 0.8
val_percent = 0.1
test_percent = 0.1
 
 
def del_file(path):
    for i in os.listdir(path):
        file_data = path + "\\" + i
        os.remove(file_data)
 
 
def mkdir():
    if not os.path.exists(train_image_path):
        os.makedirs(train_image_path)
    else:
        del_file(train_image_path)
    if not os.path.exists(train_label_path):
        os.makedirs(train_label_path)
    else:
        del_file(train_label_path)
 
    if not os.path.exists(val_image_path):
        os.makedirs(val_image_path)
    else:
        del_file(val_image_path)
    if not os.path.exists(val_label_path):
        os.makedirs(val_label_path)
    else:
        del_file(val_label_path)
 
    if not os.path.exists(test_image_path):
        os.makedirs(test_image_path)
    else:
        del_file(test_image_path)
    if not os.path.exists(test_label_path):
        os.makedirs(test_label_path)
    else:
        del_file(test_label_path)
 
 
def clearfile():
    if os.path.exists(list_train):
        os.remove(list_train)
    if os.path.exists(list_val):
        os.remove(list_val)
    if os.path.exists(list_test):
        os.remove(list_test)
 
 
def main():
    mkdir()
    clearfile()
 
    file_train = open(list_train, 'w')
    file_val = open(list_val, 'w')
    file_test = open(list_test, 'w')
 
    total_txt = os.listdir(label_original_path)
    num_txt = len(total_txt)
    list_all_txt = range(num_txt)
 
    num_train = int(num_txt * train_percent)
    num_val = int(num_txt * val_percent)
    num_test = num_txt - num_train - num_val
 
    train = random.sample(list_all_txt, num_train)
    # train从list_all_txt取出num_train个元素
    # 所以list_all_txt列表只剩下了这些元素
    val_test = [i for i in list_all_txt if not i in train]
    # 再从val_test取出num_val个元素，val_test剩下的元素就是test
    val = random.sample(val_test, num_val)
 
    print("训练集数目：{}, 验证集数目：{}, 测试集数目：{}".format(len(train), len(val), len(val_test) - len(val)))
    for i in list_all_txt:
        name = total_txt[i][:-4]
 
        srcImage = image_original_path + name + '.jpg'
        srcLabel = label_original_path + name + ".txt"
 
        if i in train:
            dst_train_Image = train_image_path + name + '.jpg'
            dst_train_Label = train_label_path + name + '.txt'
            shutil.copyfile(srcImage, dst_train_Image)
            shutil.copyfile(srcLabel, dst_train_Label)
            file_train.write(dst_train_Image + '\n')
        elif i in val:
            dst_val_Image = val_image_path + name + '.jpg'
            dst_val_Label = val_label_path + name + '.txt'
            shutil.copyfile(srcImage, dst_val_Image)
            shutil.copyfile(srcLabel, dst_val_Label)
            file_val.write(dst_val_Image + '\n')
        else:
            dst_test_Image = test_image_path + name + '.jpg'
            dst_test_Label = test_label_path + name + '.txt'
            shutil.copyfile(srcImage, dst_test_Image)
            shutil.copyfile(srcLabel, dst_test_Label)
            file_test.write(dst_test_Image + '\n')
 
    file_train.close()
    file_val.close()
    file_test.close()

 
if __name__ == "__main__":
    main()

划分完成后将会在datasets文件夹下生成划分好的文件，其中images为划分后的图像文件，里面包含用于train、val、test的图像，已经划分完成；labels文件夹中包含划分后的标签文件，已经划分完成，里面包含用于train、val、test的标签；train.tet、val.txt、test.txt中记录了各自的图像路径。

在YOLOv9的分割模型训练过程中，只需要指向images中的train、val、test文件进行训练，这在配置数据集的时候会详细说明。

三、修改配置文件

①数据集文件配置

数据集划分完成后，在项目的data文件下，官方提供了一个用于训练COCO数据集的coco.yaml文件。在训练自己的数据集时，我们在相同目录下新建一个mydata.yaml，并将下方代码复制进去，需要修改的是在train、val以及test中的内容指的是划分后的图像文件夹所在的路径，需要注意的是标签要和图像在同一个路径下。

其次我这边只有一个类别，在names中换成了我的类别名，多类别的在names内按顺序加上类别名。

mydata.yaml中的内容为：

path: datasets/images # dataset root dir
train: train  # train images (relative to 'path') 118287 images
val: val # val images (relative to 'path') 5000 images
test: test  # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

# Classes
names:
  0: bubbleplume

②模型文件配置

在models/segment文件夹下存放的是YOLOv9分割模型的各个版本的模型配置文件，检测的类别是coco数据的80类。在训练自己数据集的时候，只需要将其中的类别数修改成自己的大小。在models/segment文件夹下新建seg-test.yaml文件，此处以yolov9-c-dseg.yaml文件中的模型为例，将其中的内容复制到seg-test.yaml文件中，并将 nc: 1 # number of classes 修改类别数 修改成自己的类别数，如下：

# YOLOv9

# parameters
nc: 1  # number of classes
depth_multiple: 1.0  # model depth multiple
width_multiple: 1.0  # layer channel multiple
#activation: nn.LeakyReLU(0.1)
#activation: nn.ReLU()

# anchors
anchors: 3

# gelan backbone
backbone:
  [
   [-1, 1, Silence, []],  
   
   # conv down
   [-1, 1, Conv, [64, 3, 2]],  # 1-P1/2

   # conv down
   [-1, 1, Conv, [128, 3, 2]],  # 2-P2/4

   # elan-1 block
   [-1, 1, RepNCSPELAN4, [256, 128, 64, 1]],  # 3

   # avg-conv down
   [-1, 1, ADown, [256]],  # 4-P3/8

   # elan-2 block
   [-1, 1, RepNCSPELAN4, [512, 256, 128, 1]],  # 5

   # avg-conv down
   [-1, 1, ADown, [512]],  # 6-P4/16

   # elan-2 block
   [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 7

   # avg-conv down
   [-1, 1, ADown, [512]],  # 8-P5/32

   # elan-2 block
   [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 9
  ]

# YOLOv9 head
head:
  [
   # elan-spp block
   [-1, 1, SPPELAN, [512, 256]],  # 10

   # up-concat merge
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 7], 1, Concat, [1]],  # cat backbone P4

   # elan-2 block
   [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 13

   # up-concat merge
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 5], 1, Concat, [1]],  # cat backbone P3

   # elan-2 block
   [-1, 1, RepNCSPELAN4, [256, 256, 128, 1]],  # 16 (P3/8-small)

   # avg-conv-down merge
   [-1, 1, ADown, [256]],
   [[-1, 13], 1, Concat, [1]],  # cat head P4

   # elan-2 block
   [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 19 (P4/16-medium)

   # avg-conv-down merge
   [-1, 1, ADown, [512]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5

   # elan-2 block
   [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 22 (P5/32-large)
   
   
   # multi-level reversible auxiliary branch
   
   # routing
   [5, 1, CBLinear, [[256]]], # 23
   [7, 1, CBLinear, [[256, 512]]], # 24
   [9, 1, CBLinear, [[256, 512, 512]]], # 25
   
   # conv down
   [0, 1, Conv, [64, 3, 2]],  # 26-P1/2

   # conv down
   [-1, 1, Conv, [128, 3, 2]],  # 27-P2/4

   # elan-1 block
   [-1, 1, RepNCSPELAN4, [256, 128, 64, 1]],  # 28

   # avg-conv down fuse
   [-1, 1, ADown, [256]],  # 29-P3/8
   [[23, 24, 25, -1], 1, CBFuse, [[0, 0, 0]]], # 30  

   # elan-2 block
   [-1, 1, RepNCSPELAN4, [512, 256, 128, 1]],  # 31

   # avg-conv down fuse
   [-1, 1, ADown, [512]],  # 32-P4/16
   [[24, 25, -1], 1, CBFuse, [[1, 1]]], # 33 

   # elan-2 block
   [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 34

   # avg-conv down fuse
   [-1, 1, ADown, [512]],  # 35-P5/32
   [[25, -1], 1, CBFuse, [[2]]], # 36

   # elan-2 block
   [-1, 1, RepNCSPELAN4, [512, 512, 256, 1]],  # 37
   
   [31, 1, RepNCSPELAN4, [512, 256, 128, 2]],  # 38 
   
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [-1, 1, Conv, [256, 3, 1]], # 40
   
   [16, 1, RepNCSPELAN4, [256, 256, 128, 2]],  # 41  
   
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [-1, 1, Conv, [256, 3, 1]], # 43

   # segment
   [[31, 34, 37, 16, 19, 22, 40, 43], 1, DualDSegment, [nc, 32, 256]],  # Segment(P3, P4, P5)
  ]

修改完成后，模型文件就配置好啦。

③训练文件配置

在进行模型训练之前，需要到官网下载预训练权重，权重地址为：https://github.com/WongKinYiu/yolov9/releases
根据所选择的模型下载相应的权重，我这边使用的是yolov9-c-dseg.yaml，所以下载的是yolov9-c-seg.pt，放在了yolov9-main/weights/路径下。

修改train_dual.py

注意是train_dual.py，而不是train.py。在segment/train_dual.py的def parse_opt()的第450行处，修改配置，其中主要涉及到weights、cfg、data、hyp、epochs、batch-size、imgsz、device以及workers的修改。

weight是配置预训练权重的路径，将default中的内容修改成下载的权重路径，也可以为空，不使用预训练权重。

parser.add_argument('--weights', type=str, default=ROOT / 'weights/yolov9-c-seg.pt', help='initial weights path')

cfg是配置模型文件的路径，将default中的内容修改成新的模型文件。

parser.add_argument('--cfg', type=str, default='models/segment/seg-test.yaml', help='model.yaml path')

data是配置数据集文件的路径，将default中的内容修改成自己的数据集yaml文件。

parser.add_argument('--data', type=str, default=ROOT / 'data/mydata.yaml', help='dataset.yaml path')

hyp是模型训练过程中的超参数，目前yolov9只提供了一个hyp.scratch-high.yaml，在data/hyps/文件夹下。

parser.add_argument('--hyp', type=str, default=ROOT / 'data/hyps/hyp.scratch-high.yaml', help='hyperparameters path')

epochs指训练的轮次，这里我这边在default中定了一个100次，只要模型能收敛即可。

parser.add_argument('--epochs', type=int, default=100, help='total training epochs')

batch-size是表示一次性将多少张图片放在一起训练，越大训练的越快，如果设置的太大会报OOM错误，我这边在default中设置16，表示一次训练16张图像。设置的大小为2的幂次，1为2的0次，16为2的4次， 最小为1。

parser.add_argument('--batch-size', type=int, default=32, help='total batch size for all GPUs, -1 for autobatch')

imgsz表示送入训练的图像大小，会统一进行缩放。要求是32的整数倍，尽量和图像本身大小一致。这边在default中设置为480。

parser.add_argument('--imgsz', '--img', '--img-size', type=int, default=480, help='train, val image size (pixels)')

device指训练运行的设备。该参数指定了模型训练所使用的设备，例如使用 GPU 运行可以指定为 default=‘0’，或者使用多个 GPU 运行可以指定为 device=0,1,2,3，如果没有可用的 GPU，可以指定为 device=‘cpu’ 使用 CPU 进行训练。

parser.add_argument('--device', default='0', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')

workers是指数据装载时cpu所使用的线程数，默认为8，过高时会报错：[WinError 1455] 页面文件太小，无法完成操作，此时就只能将default调成0了。

parser.add_argument('--workers', type=int, default=8, help='max dataloader workers (per RANK in DDP mode)')

至此，模型训练的相关配置就配置好啦，后面就可以训练啦~

四、模型训练和测试

模型训练

在模型训练中，yolov9的训练文件有train_dual.py和train.py两个文件，train.py是无“辅助分支”训练用的脚本，train_dual.py是含有辅助训练分支用的脚本。在seg-test.yaml中使用的是带有辅助分支的训练头DualDSegment，所以要使用train_dual.py进行训练。

运行train_dual.py文件后便会读取相关的配置文件，进行训练：

训练完成后，将会在runs/train-seg/exp/weight文件夹下存放训练后的权重文件。

模型测试

在相同目录下，使用val_dual.py进行测试，需要修改第391行的def parse_opt()中的data、weights、batch-size、img-size、device以及task。

其中weights为训练出来的新模型权重，路径在runs/train-seg文件夹下

parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'runs/train-seg/exp/weights/best.pt', help='model path(s)')

task，表示在验证时所使用的数据集，这里使用test测试集。

parser.add_argument('--task', default='test', help='train, val, test, speed or study')

运行val_dual.py文件后便会得出训练精度等相关信息。

---

总结

以上就是YOLOv9的分割模型训练自己数据集的全部过程啦，欢迎大家在评论区交流~