YOLOV6如何训练自己的数据集

下载源码

https://github.com/qiaofengsheng/pytorch-yolov6

添加数据

1、将图像数据添加到VOCdevkit/VOC2007/images

2、将图像对应的XML标签添加到VOCdevkit/VOC2007/Annotations

3、修改voc_to_yolo.py中classes列表，改为自己数据集的类别名，设置训练和验证集的比例，最大值为100即全部作为训练，建议设为80，直接运行，会在VOCdevkit/VOC2007下自动生成images和labels

配置训练yaml文件

1、打开dataset.yaml,将train和val修改为刚刚生成的images/train和images/val的地址

2、将nc改为自己数据的类别数，names改为自己数据的类别名

训练

1、修改train.py文件

        --data-path改为刚刚配置好的dataset.yaml

        --conf-file 如果你需要预训练使用configs文件夹下带finetune的py文件，并将文件内的pretrained改为自己pt文件所在的位置，如果你不需要预训练直接使用不带finetune的py文件即可。最后调整其他自己所需要的参数。

2、直接运行即可训练，结果再run/train下保存

推理

1、修改detect.py文件的--weights改为自己训练好的pt文件路径，--source改为自己要在推理的图片或者视频，其他参数可自行修改

2、直接运行会在run/inferenc下生成结果文件

参与贡献

作者：qiaofengsheng

B站地址：深度学习麋了鹿的个人空间哔哩哔哩Bilibili