极简YOLOv5训练以及检测流程（ubuntu）

最新推荐文章于 2024-08-21 15:28:22 发布

安加贝

最新推荐文章于 2024-08-21 15:28:22 发布

阅读量2k

点赞数 2

文章标签： ubuntu YOLO 经验分享笔记

本文链接：https://blog.csdn.net/qq_52135902/article/details/130485789

版权

本文是针对非计算机专业的YOLO目标检测教程，介绍了从环境配置、数据集准备（包括视频截图、批量重命名、打标签和格式转换）、模型训练到开始目标检测的完整流程。作者强调了数据集整理的重要性，并提供了Python脚本辅助处理。

摘要由CSDN通过智能技术生成

写在前面：本文仅就csdn中yolo系列的大部分教程踩坑记录最终得出的一个最简洁最流畅的流程，本人非计算机专业，水平有限，仅适合想要快速入门YOLO训练自己的数据集以及如何使用模型进行目标检测的同学，个人记录的同时希望可以帮到大家。

环境配置

solution 1: 淘宝花几十块找专人帮你配置，对环境配置不是很熟悉的话这个很方便，因为自己配置的话总是会有各种各样的报错，较快。

solution 2:其他教程讲的很详细了不再赘述

🌟🌟数据集准备

拍想要检测物体的视频

手机拍即可，建议时长2min以上，后期截取数据集就比较多了，训练的准确度自然有所提升

截取视频流截图

如果宁用的也是🍎手机的话会很方便直接使用快捷指令，设置如下图，可以根据自身需求修改一些参数：（注意此时图片名字比较乱没关系）

新建快捷指令

如果宁用的不是的话可以百度找其它视频转图片的应用，后期注意命名。

数据集文件结构

新建如下目录结构，建在哪无所谓：

将截取好的照片先全部放入images下的train文件夹下以便于批量重命名。

批量重命名（重要‼️）

一定要将图片名字改的整齐划一之后再进行打标，打标是个废事的操作，如果前期没有重命名后面会前功尽弃。
这里我是用的python进行批量重命名为images+数字，代码如下：
【要使用的话要将路径改为自己的图片所放文件夹的绝对路径，命名方式也可进行修改】

import os
def myrename(path):
    file_list=os.listdir(path)
    for i,fi in enumerate(file_list):
        old_dir=os.path.join(path,fi)
        filename="images"+str(i+1)+"."+str(fi.split(".")[-1])
        new_dir=os.path.join(path,filename)
        try:
            os.rename(old_dir,new_dir)
        except Exception as e:
            print(e)
            print("Failed!")
        else:
            print("SUcess!")

if __name__=="__main__":
    path="/home/jiabei/wetest/data/images/train"
    myrename(path)

在全部命名好后，随意挑选一部分照片放到val文件夹中作为验证集，数量无需太多。很多教程里会采用自动分类列表这样的，我在此处浪费了很多时间，其实完全没必要，自己随便选一些就可以我们放到对应的文件夹中也不会乱。

打标签

下载labelImg放到合适的位置

参考只用看1.2步能打开对应界面即可

打开界面后设置打开目录的位置（images下的train和val要分别打标签）和存放目录的位置（对应的xml文件夹下的train或者val，和images文件夹下保持对应），自动保存即可开始漫长的打标签啦！

打标签就是创建区块后命名类别，多个目标就多个区块即可，这里需要提醒的是一定要用快捷键，能省不少事：
a上一张图d下一张图w创建区块
在这里插入图片描述

voc格式（xml文件）转yolo归一txt文件（重要❗️）

在打完标签操作后xml文件夹中的train和val都应该有对应的.xml文件了，但是yolo不能识别xml文件我们需要将其转化为txt文件放入对应的labels文件夹中。

转化格式的代码如下：【后面加有备注的五处地方根据自己的实际情况进行修改】

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

classes = [ 'redcone','bluecone','jiabei','ikun-Jack']#5


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

def convert_annotation(rootpath,xmlname):
    xmlpath = rootpath + '/xml2/val' #1
    xmlfile = os.path.join(xmlpath,xmlname)
    with open(xmlfile, "r", encoding='UTF-8') as in_file:
      txtname = xmlname[:-4]+'.txt'
      print(txtname)
      txtpath = rootpath + '/labels/val' #2
      if not os.path.exists(txtpath):
        os.makedirs(txtpath)
      txtfile = os.path.join(txtpath,txtname)
      with open(txtfile, "w+" ,encoding='UTF-8') as out_file:
        tree=ET.parse(in_file)
        root = tree.getroot()
        size = root.find('size')
        w = int(size.find('width').text)
        h = int(size.find('height').text)
        out_file.truncate()
        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))
            bb = convert((w,h), b)
            out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


if __name__ == "__main__":
    rootpath='/home/jiabei/realcone/data' #3
    xmlpath=rootpath+'/xml2/val' #4
    list=os.listdir(xmlpath)
    for i in range(0,len(list)) :
        path = os.path.join(xmlpath,list[i])
        if ('.xml' in path)or('.XML' in path):
            convert_annotation(rootpath,list[i])
            print('done', i)
        else:
            print('not xml file',i)