Linux Yolo5 5.0实现以及雷区

Linux Yolo5 5.0实现以及雷区

需要注意的点

  1. linux系统实现(可能影响不大)

  2. 严格按照炮哥数据集的顺序(文档顺序非常非常重要) 标签和文档顺序

    https://blog.csdn.net/didiaopao/article/details/119808973?spm=1001.2014.3001.5501
    

    (这里有一部分修改,参照之前博文,适用于linux的Labelimg安装)

  3. 训练完有两个txt文件,train和al在VOCdevkit下面。这里面推测是训练和验证数据集的名字list。

训练和检测按照步骤一步一步的走,这里备注问题

AttributeError: Can't get attribute 'SPPF' on <module 'models.common' from 'D:\\ModelTest\\yolov5-5.

问题解决方法

https://blog.csdn.net/weixin_65976457/article/details/123648154

文件转换xml转txt

    in_file = open('/home/tmac/Workingdisc/kalkit/VOCdevkit/VOC2007/Annotations/%s.xml' %image_id)#输入标签位置
    out_file = open('/home/tmac/Workingdisc/kalkit/VOCdevkit/VOC2007/YOLOLabels/%s.txt' %image_id, 'w')#输出yolo标签位置
    
    
#后面的文件夹位置最好也修改上绝对路径,否则跑乱了    
wd = os.getcwd()
wd = os.getcwd()
data_base_dir = os.path.join(wd, "/home/tmac/Workingdisc/kalkit/VOCdevkit/")
if not os.path.isdir(data_base_dir):
    os.mkdir(data_base_dir)
work_sapce_dir = os.path.join(data_base_dir, "/home/tmac/Workingdisc/kalkit/VOCdevkit/VOC2007/")
if not os.path.isdir(work_sapce_dir):
    os.mkdir(work_sapce_dir)
annotation_dir = os.path.join(work_sapce_dir, "/home/tmac/Workingdisc/kalkit/VOCdevkit/VOC2007/Annotations/")
if not os.path.isdir(annotation_dir):
        os.mkdir(annotation_dir)
clear_hidden_files(annotation_dir)
image_dir = os.path.join(work_sapce_dir, "/home/tmac/Workingdisc/kalkit/VOCdevkit/VOC2007/JPEGImages/")
if not os.path.isdir(image_dir):
        os.mkdir(image_dir)
clear_hidden_files(image_dir)
yolo_labels_dir = os.path.join(work_sapce_dir, "/home/tmac/Workingdisc/kalkit/VOCdevkit/VOC2007/YOLOLabels/")
if not os.path.isdir(yolo_labels_dir):
        os.mkdir(yolo_labels_dir)
clear_hidden_files(yolo_labels_dir)
yolov5_images_dir = os.path.join(data_base_dir, "/home/tmac/Workingdisc/kalkit/VOCdevkit/images/")
if not os.path.isdir(yolov5_images_dir):
        os.mkdir(yolov5_images_dir)
clear_hidden_files(yolov5_images_dir)
yolov5_labels_dir = os.path.join(data_base_dir, "/home/tmac/Workingdisc/kalkit/VOCdevkit/labels/")
if not os.path.isdir(yolov5_labels_dir):
        os.mkdir(yolov5_labels_dir)
clear_hidden_files(yolov5_labels_dir)
yolov5_images_train_dir = os.path.join(yolov5_images_dir, "/home/tmac/Workingdisc/kalkit/VOCdevkit/images/train/")
if not os.path.isdir(yolov5_images_train_dir):
        os.mkdir(yolov5_images_train_dir)
clear_hidden_files(yolov5_images_train_dir)
yolov5_images_test_dir = os.path.join(yolov5_images_dir, "/home/tmac/Workingdisc/kalkit/VOCdevkit/images/val/")
if not os.path.isdir(yolov5_images_test_dir):
        os.mkdir(yolov5_images_test_dir)
clear_hidden_files(yolov5_images_test_dir)
yolov5_labels_train_dir = os.path.join(yolov5_labels_dir, "/home/tmac/Workingdisc/kalkit/VOCdevkit/labels/train/")
if not os.path.isdir(yolov5_labels_train_dir):
        os.mkdir(yolov5_labels_train_dir)
clear_hidden_files(yolov5_labels_train_dir)
yolov5_labels_test_dir = os.path.join(yolov5_labels_dir, "/home/tmac/Workingdisc/kalkit/VOCdevkit/labels/val/")
if not os.path.isdir(yolov5_labels_test_dir):
        os.mkdir(yolov5_labels_test_dir)
clear_hidden_files(yolov5_labels_test_dir)


#还有着几行,记录训练和测试数据集 打开和关闭
train_file = open(os.path.join(wd, "/home/tmac/Workingdisc/kalkit/VOCdevkit/images/yolov5_train.txt"), 'w')
test_file = open(os.path.join(wd, "/home/tmac/Workingdisc/kalkit/VOCdevkit/images/yolov5_val.txt"), 'w')
train_file.close()
test_file.close()
train_file = open(os.path.join(wd, "/home/tmac/Workingdisc/kalkit/VOCdevkit/labels/yolov5_train.txt"), 'a')
test_file = open(os.path.join(wd, "/home/tmac/Workingdisc/kalkit/VOCdevkit/labels/yolov5_val.txt"), 'a')
list_imgs = os.listdir(image_dir) # list image files
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高,更加灵活和易用,当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目:单目标检测(足球目标检测)和多目标检测(足球和梅西同时检测)。 本课程的YOLOv5使用ultralytics/yolov5,在Ubuntu系统上做项目演示。包括:安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。 希望学习在Windows系统上演示的学员,请前往《YOLOv5(PyTorch)实战:训练自己的数据集(Windows)》课程链接:https://edu.csdn.net/course/detail/30923本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括:《YOLOv5(PyTorch)目标检测实战:训练自己的数据集》Ubuntu系统 https://edu.csdn.net/course/detail/30793Windows系统 https://edu.csdn.net/course/detail/30923《YOLOv5(PyTorch)目标检测:原理与源码解析》课程链接:https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战:Flask Web部署》课程链接:https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战:TensorRT加速部署》课程链接:https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战:Jetson Nano部署》课程链接:https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接:https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接:https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接:https://edu.csdn.net/course/detail/35209 《YOLOv5实战垃圾分类目标检测》课程链接:https://edu.csdn.net/course/detail/35284  

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值