YOLOV6-Pytorch复现

 一、标注数据（labelimg标注工具）

       利用labelimg标注工具标注图片真实框，获得xml（voc）格式文件。标签名包括'ball'、'racket'、'hand'。如下图所示：

二、安装开发环境（docker、Linux、Python、Opencv)

       创建虚拟环境：conda create -n yolov6 python=3.8

       查看虚拟环境：conda env list

       激活虚拟环境：conda activate yolov6

      如图所示：

三、下载yolov6源码

1、创建开发的目录，例如：/mnt/d/train/yolov6/YOLOv6

2、拉取源码：git clone https://gitee.com/qq1360011612/YOLOv6.git

四、安装第三方库

安装命令：pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装torch-gpu命令：pip3 install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html

参考官方链接：Previous PyTorch Versions | PyTorchhttps://pytorch.org/get-started/previous-versions/

五、标签xml（voc）格式转为txt（yolov）格式并划分数据集

xml文件如图所示：

txt文件如图所示：

划分后的数据集如图所示：

以上操作就完成了数据集和开发环境的准备

 六、下载预权重

这里以yolov6n.pt为例，下载链接：https://github.com/meituan/YOLOv6/releases/download/0.3.0/yolov6n.pthttps://github.com/meituan/YOLOv6/releases/download/0.3.0/yolov6n.pt如下图所示：

七、数据集和模型配置文件

数据集配置文件如图所示：

模型配置文件：yolov6n.yaml

以上就完成了

备注：修改预测权重位置

以上就完成所有前期的准备工作

八、编辑训练脚本：vim train.py

备注：--weights：预权重目录

          --cfg：模型配置文件

           --data：数据集配置文件

          --epoch：迭代次数

          --batch-size：批量大小（主要与内存有关，一般取32、64、96）

          --device：gpu数据量（一般默认选择0，即单gpu训练）

设置完成以上参数就可以开始训练了，训练完成如下图所示：

九、预测图片和视频检验效果：vim detect.py

备注：--weight：修改为训练出来的权重文件

          --source：需要预测的图片、数据集、视频、实时视频

          --data：数据集配置文件

          --conf-thres：置信度阙值；--iou-thres：iou阙值

数据集预测结果如图所示：

下一步计划是采用opencv部署模型。