Win10--YOLOX训练和测试VOC格式数据

一、运行前准备

code:

GitHub - Megvii-BaseDetection/YOLOX: YOLOX is a high-performance anchor-free YOLO, exceeding yolov3~v5 with MegEngine, ONNX, TensorRT, ncnn, and OpenVINO supported. Documentation: https://yolox.readthedocs.io/

paper:

https://arxiv.org/pdf/2107.08430.pdf

torch2trt:

https://github.com/NVIDIA-AI-IOT/torch2trt/releases

在使用命令行进行操作的时候需要在tools/demo.py和tools/train.py中加上

import sys,os
BASE_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
sys.path.append(BASE_DIR)

此处 需要更改yolox_s.pth，模型下载地址：yolox_s.pth

建立weights文件夹将下载的yolox_s.pth放到weights文件夹下

python tools/demo.py video -n yolox-s -c weights/yolox_s.pth --path 0 --conf 0.25 --nms 0.45 --tsize 640 --save_result --device gpu

（缺少什么包直接安装）

demo测试结果

二、训练注意事项：

1.准备VOC数据集

1.将VOC数据放到datasets文件夹下（如果是自己标注的数据改成VOC格式就可以了）

2.调整训练的类别数

VOC数据的默认类别是20个，如果是自己的数据集，则调整exps/example/yolox_voc/yolox_voc_s.py下的类别数

3.调整代码

（1）更改exps/example/yolox_voc/yolox_voc_s.py下的image_sets

删除2012的目录，改为图中47行

（2）更改yolox/data/datasets/voc.py的do_python_eval

更改为317行的格式

4.训练指令

从零开始训练：

python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 24 --fp16

中断后继续训练：

将tools/train.py中的训练参数--resume默认值改为True或者在命令行中加入--resume True

参数保存在YOLOX_outputs文件夹下：

三、测试注意事项：

1.更改代码

（1）更改：yolox/data/datasets/__init__.py

加上from .voc_classes import VOC_CLASSES

（2）如果是自定义的类别需要更改yolox/data/datasets/voc_classes.py的类别名称

（3）更改demo.py

• 加上from yolox.data.datasets import VOC_CLASSES

将main函数中的cls_names改为VOC的数据类别

cls_names = VOC_CLASSES,

2.测试指令：

（1）测试图片

python tools/mydemo.py image -f exps/example/yolox_voc/yolox_voc_s.py   -c YOLOX_outputs/yolox_voc_s/best_ckpt.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device gpu

测试结果：

（2）测试摄像头（yolox-s）（不即时展示）：

python tools/demo.py webcam -n yolox-s -c weights/yolox_s.pth  --conf 0.25 --nms 0.45 --tsize 640 --save_result --device gpu

边展示写入需要修改下代码：

只显示实时测试结果：

 python tools/demo.py webcam -n yolox-s -c weights/yolox_s.pth  --conf 0.25 --nms 0.45 --tsize 640  --device gpu

测试速度如下：

参考：

YOLOX/README.md at main · Megvii-BaseDetection/YOLOX · GitHub

https://github.com/Megvii-BaseDetection/YOLOX/blob/main/docs/train_custom_data.md