yolo使用中的一些问题

问题1：git

ImportError: Failed to initialize: Bad git executable.


根据File “F:\pycharm_python\workspace\pythonProject\yolo\yolov5-train-traffic-cone\utils\general.py”, line 360, in check_git_info这条信息，在相关文件的import git上面一行加上os.environ[“GIT_PYTHON_REFRESH”] = “quiet”`，修改后如下：

os.environ["GIT_PYTHON_REFRESH"] = "quiet"
import git

---

问题2：train: No labels found in ***/train.cache

找不到label对应的文件夹，观察错误信息，发现是从images文件转换到labels文件夹错误，文件夹命名错误

可以先去看一下 项目下utils/dataloaders.py 这个文件，第428行的代码，这个函数是将图片的路径转化为label的路径，其中sa, sb = f’{os.sep}images{os.sep}‘, f’{os.sep}labels{os.sep}'，这一句中的images是你存放图片的文件名，需要与其相同。把图片存放文件夹的名字改为images后，成功运行。

def img2label_paths(img_paths):
    # Define label paths as a function of image paths
    sa, sb = f'{os.sep}images{os.sep}', f'{os.sep}labels{os.sep}'  # /images/, /labels/ substrings
    return [sb.join(x.rsplit(sa, 1)).rsplit('.', 1)[0] + '.txt' for x in img_paths]

简单使用：

1. 准备好数据集，如果是yolo格式（图片和txt文件），分为train、val、test数据集；如果是voc格式，编写程序将其转化为yolo格式后，分为train、val、test数据集；如果只有图片数据集（即未打标签），使用labelimg进行标注，之后进行上述操作。

2. 在github上下载yolo项目到本地，将数据集文件夹拷贝到项目中，下载yolo对应的预训练权重到项目中。

3. 修改在data文件夹下的配置文件，新建一个***.yaml，文件名随意，我习惯命名为数据集名称。

4. 修改在model文件夹下的配置文件，选择你下载的预训练权重对应的配置文件，修改nc: 2 # number of classes，其中nc为数据集中类的数量

5. 训练模型，修改train.py中的参数，简单使用的话主要修改前三个参数，分别是预训练权重的路径、model文件夹下yaml配置文件的路径、data文件夹下新建的yaml配置文件的路径。如果训练时内存不够，可以适当减少epoch和batch_size

6. 训练结束后，获得的数据会显示在runs/train/exp文件夹下，在其下的weights文件夹中会包含best.pt和last.pt，分别时训练中表现最好的权重和最后一次训练的权重。

7. 使用训练好的权重去做推断，修改detect.py中的参数，主要修改前两个参数，第一个是刚才训练好的权重的路径，第二个是需要做推断的数据集的路径（如果填写文件名，就会推断对应文件；如果是文件夹，将会推断文件夹中所有图片；如果是0，表示打开摄像头实时检测）。推断完成之后的结果会保存在runs/detect/exp文件夹中。

voc转yolo：

voc格式转yolo格式python脚本，点击前往下载