Yolov5训练数据集-入门篇

训练结果

1.下载Yolov5

官方网站下载比较慢，可以在yolov5: YOLOv5 汉化版，保持官方同步更新这个地址去下载，同步官网的更新

2. 安装

进入到yolov5目录，执行以下命令安装所需的环境，使用清华源安装比较快

​

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

3. 下载官方数据集

查看data/coco128.yaml

# YOLOv5  by Ultralytics, GPL-3.0 license
# COCO128 dataset https://www.kaggle.com/ultralytics/coco128 (first 128 images from COCO train2017) by Ultralytics
# Example usage: python train.py --data coco128.yaml
# parent
# ├── yolov5
# └── datasets
#     └── coco128  ← downloads here (7 MB)


# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco128  # dataset root dir
train: images/train2017  # train images (relative to 'path') 128 images
val: images/train2017  # val images (relative to 'path') 128 images
test:  # test images (optional)

# Classes
names:
  0: person
  1: bicycle
  2: car
  3: motorcycle
  4: airplane
  5: bus
  6: train
  7: truck
  8: boat
  9: traffic light
  10: fire hydrant
  11: stop sign
  12: parking meter
  13: bench
  14: bird
  15: cat
  16: dog
  17: horse
  18: sheep
  19: cow
  20: elephant
  21: bear
  22: zebra
  23: giraffe
  24: backpack
  25: umbrella
  26: handbag
  27: tie
  28: suitcase
  29: frisbee
  30: skis
  31: snowboard
  32: sports ball
  33: kite
  34: baseball bat
  35: baseball glove
  36: skateboard
  37: surfboard
  38: tennis racket
  39: bottle
  40: wine glass
  41: cup
  42: fork
  43: knife
  44: spoon
  45: bowl
  46: banana
  47: apple
  48: sandwich
  49: orange
  50: broccoli
  51: carrot
  52: hot dog
  53: pizza
  54: donut
  55: cake
  56: chair
  57: couch
  58: potted plant
  59: bed
  60: dining table
  61: toilet
  62: tv
  63: laptop
  64: mouse
  65: remote
  66: keyboard
  67: cell phone
  68: microwave
  69: oven
  70: toaster
  71: sink
  72: refrigerator
  73: book
  74: clock
  75: vase
  76: scissors
  77: teddy bear
  78: hair drier
  79: toothbrush


# Download script/URL (optional)
download: https://ultralytics.com/assets/coco128.zip

在coco128.yaml的最后一行是官方训练集的下载地址，训练时使用此文件会自动下载训练集，但自动下载很慢，可以手动下载，并将最后一行注释掉。

下载完成后在yolov5的上一层目录下创建datasets目录，将coco128解压到datasets目录。

4. 训练数据集

yolov5有多个预训练模型，区别如下图所示：

在训练时根据需要可以使用不同的模型，训练命令如下：

python3 train.py --img 640 --batch 16 --epochs 3 --data data/coco128.yaml --cfg models/yolov5s.yaml

--img 640 : 指定图片大小为640x640 ，如果训练集图片不是这个尺寸，会自动进行压缩或填充

--batch 16: batch-size为16

--epochs 3: 训练3轮

--data data/coco128.yaml: 指定数据集

--cfg models/yolov5s.yaml: 指定预训练模型，在这里使用yolov5s

5. 遇到的问题

1）需要安装git

2）第一次训练会自动下载一个文件

Downloading https://ultralytics.com/assets/Arial.ttf to /home/lmm/.config/Ultralytics/Arial.ttf...

可以手动下载根据上面提示，拷贝到相应的目录即可

3）第一次训练会下载yolov5.pt，等待下载完成即可

6. 验证训练模型

训练完成后根据输出的信息，可以知道训练好的模型如下图所示：

使用训练好的模型进行验证：

可以使用coco128数据集中的图片进行验证，命令如下：

python3 detect.py --weights runs/train/exp4/weights/best.pt --source 000000000009.jpg

--source :指定源

结果如下：