yolov5s 预训练模型_YOLOv5从入门到部署之：训练私有数据并修改模型

1 环境部署

YOLOv5是基于pytorch实现的, 需要的运行环境已经在requirements.txt文件里面列出。

# base ----------------------------------------

Cython

matplotlib>=3.2.2

numpy>=1.18.5

opencv-python>=4.1.2

pillow

PyYAML>=5.3

scipy>=1.4.1

tensorboard>=2.2

torch>=1.6.0

torchvision>=0.7.0

tqdm>=4.41.0

​

因此可以直接使用pip进行安装：

pip install -U -r requirements.txt

2 准备数据

YOLOv5的数据集格式和之前的YOLOv3一致。每张图片都有自己的目标的txt文件

例如：

datasets/score/images/train/00b5fefed.jpg # image

datasets/score/lables/train/00b5fefed.txt # lable

这里我们使用之前kaggle的小麦头检测的比赛为例，讲解数据准备的流程。

这里值得注意的是，Yolov5的开源许可是GPL-3.0 License不满足Kaggle比赛的要求，因此不能在Kaggle比赛中使用，本文只是为了做个训练示范。

2.1、创建数据集的配置文件dataset.yaml

训练COCO数据集或者是VOC数据集，可以直接使用已经配置好的coco.yaml 和 voc.yaml文件。如果训练别的数据集，则需要模仿coco.yaml 文件写一个自己的wheat.yaml文件保存在data文件夹下。

# train and val datasets (image directory or *.txt file with image paths)

train: ./datasets/wheat/images/train/

val: ./datasets/wheat/images/val/

​

# number of classes

nc: 1

​

# class names

names: ['wheat']

2.2、创建标注文件

如果是自己制作的数据集可以使用LabelImg工具,需要注意的是选择YOLO格式生成标注文件。

​

如果是已经有的数据集，像是kaggle的wheat数据集，则需要进行转换数据格式成yolo的格式。

我们先来看一下yolo的lable文件里面的格式 00b5fefed.txt

数据