【Yolov5 VOC数据集训练与识别】_yolo v5在voc数据集上训练好的权重-CSDN博客

本文链接：https://blog.csdn.net/weixin_41457511/article/details/132756804

Yolov5 VOC数据集训练与识别

环境部署
转换VOC数据集为YOLOv5可识别的数据集
- VOC数据集
训练数据
使用训练好的权重模型文件进行预测

环境部署

部署环境：miniconda3 + python3.8 + pytorch + cuda

安装Miniconda

选择python3的64位版本，即Miniconda3 Windows 64-bit

MiniConda下载链接 https://docs.conda.io/projects/miniconda/en/latest/

安装miniconda完成后，打开Anaconda Prompt，更换源，避免下载依赖时，速度太慢。
在这里插入图片描述
在Prompt中输入：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

创建虚拟环境（指定python版本为3.8.0）：

conda create -n myenv python=3.8

进入虚拟环境：

conda activate myenv

检查安装的python版本：

python

此处安装的是python 3.9.0
在这里插入图片描述
退出虚拟环境

conda deactivate

下载Yolov5和预训练权重文件

Github下载Yolov5

Gihub下载Yolov5: https://github.com/ultralytics/yolov5

百度云下载Yolov5

百度云下载Yolov5 链接：https://pan.baidu.com/s/1VuI5qqz62joV9Ax2a2QTLA?pwd=0j8r
提取码：0j8r

预训练权重文件yolov5s.pt

预训练权重文件yolov5s.pt 链接：https://pan.baidu.com/s/1k0Mz_XDnxrK7DCln6pqhQg?pwd=qzkq
提取码：qzkq

安装Yolov5 所需依赖

解压yolov5压缩包，打开anaconda prompt 进入之前创建的虚拟环境中，cd进入刚刚解压的yolov5目录下，该目录下有个requirements.txt文本
在prompt中输入

在这里插入图片描述

安装完成后查看已经安装的依赖包，输入：

pip list

在这里插入图片描述
注意安装的Pytorch分为CPU版本和GPU版本，如果要使用GPU版本还需要安装显卡对应的CUDA

安装CUDA

查看自己电脑的GPU最高支持什么版本，在CMD中输入如下指令：

-nvidia-smi

在这里插入图片描述

这里以我的GPU为例，RTX4070最高支持CUDA的版本为12.2，但是查资料发现40系显卡最低仅能支持CUDA 11.8.0的版本，而pytorch最高支持的CUDA版本为11.8.0。所以我在安装CUDA的时候选择了11.8.0的版本，pytoch则安装了能够支持CUDA11.8的版本。

安装完后，查看安装的CUDA版本是否正确，在CMD中输入：

nvcc -V

在这里插入图片描述

安装Pytorch

在Pytorch官网选择对应的版本

Pytorch 官网: https://pytorch.org/get-started/locally/

在这里插入图片描述

复制 Run this Command 中的指令，到前面我们创建并安装了Yolov5依赖的Anaconda 虚拟环境的Promot中，并执行 (如果安装太慢可以更换Anaconda的镜像源)

在这里插入图片描述

安装完成后，可以再次查看安装大的版本正不正确，可以输入pip list查看已安装的所有包

在这里插入图片描述

转换VOC数据集为YOLOv5可识别的数据集

VOC数据集

VOC数据集主要分为两个层级：
1 -> Annotations (存放标签的文件夹，里面每一个xml都存储这对应图像的标注信息)
2 -> Images (存放所有的训练图像数据)

我们创建一个叫做mydata的文件夹，在该文件夹下创建如下文件夹：

在这里插入图片描述

将VOC数据中的images图像丢进，上面的images文件夹中，将VOC数据集的Annotations文件丢进上面的xml文件夹中，并在mydata文件夹下创建一个py文件，将数据集进行划分：

import os
import random
import argparse

parser = argparse.ArgumentParser()

#xml->这里是上面存放原VOC Annotations标签文件的地方
parser.add_argument('--xml_path', default='xml', type=str, help='input xml label path')

#dataset->这里是刚创建，存放划分好训练集和验证集txt文件的存储地方。
parser.add_argument('--txt_path', default='dataset', type=str, help='output txt label path')

opt = parser.parse_args()

trainval_percent =1.0
train_percent = 0.9
xml_file_path = opt.xml_path
txt_save_path = opt.txt_path
total_xml = os.listdir(xml_file_path)
if not os.path.exists(txt_save_path):
    os.makedirs(txt_save_path)

num = len(total_xml)
list_index = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train = random.sample(trainval,tr)

file_trainval = open(txt_save_path + '/trainval.txt', 'w')
file_test = open(txt_save_path + '/test.txt', 'w')
file_train = open(txt_save_path + '/train.txt', 'w')
file_val = open(txt_save_path + '/val.txt', 'w')

for i in list_index:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        file_trainval.write(name)
        if i in train:
            file_train.write(name)
        else:
            file_val.write(name)
    else:
        file_test.write(name)

file_trainval.close()
file_train.close()
file_val.close()
file_test.close()

执行上面的py代码后，会在dataset中得到如下txt文件，其中我们只划分了训练集、验证集和训练验证集，所有test文件里面为空（正常要有）：

在这里插入图片描述

再次在dataset文件夹下创建一个py文件，代码如下:

# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET
import os
from os import getcwd

sets = ['train', 'val', 'test']
classes = ["missing_hole"]  # 改成自己的类别
abs_path = os.getcwd()
print(abs_path)


def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[1]) / 2.0 - 1
    y = (box[2] + box[3]) / 2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return x, y, w, h


def convert_annotation(image_id):
    in_file = open('xml/%s.xml' % (image_id), encoding='UTF-8')
    out_file = open('labels/%s.txt' % (image_id), 'w')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)
    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        #difficult = obj.find('Difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        b1, b2, b3, b4 = b
        # 标注越界修正
        if b2 > w:
            b2 = w
        if b4 > h:
            b4 = h
        b = (b1, b2, b3, b4)
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


wd = getcwd()
for image_set in sets:
    if not os.path.exists('labels/'):
        os.makedirs('labels/')
    image_ids = open('dataset/%s.txt' % (image_set)).read().strip().split()
    list_file = open('%s.txt' % (image_set), 'w')
    for image_id in image_ids:
        list_file.write(abs_path + '/images/%s.jpg\n' % (image_id))
        convert_annotation(image_id)
    list_file.close()

正常执行后，在mydata文件夹下会生成两个txt文件，里面存储着对应的训练图像的存储位置：

在这里插入图片描述

在data文件夹下创建一个叫mydata.yaml的文件，在里面配置对应的训练数据文件的地址和训练数据的类别：

在这里插入图片描述

训练数据

在训练代码中，修改 ‘–data’ 为存放上面我们创建的mydata.yaml的路径，修改合适的迭代次数’–epoch’、批处理数’–batchs-size’ (应该为2的倍数)、和训练的图像大小’–imgz’。

训练报错 - Arial.ttf

在训练过程中，有可能因为没有下载Arial.ttf字体文件而自动下载，在中国大陆，容易下载报错，服务器无响应，这里我们可以提前下载，放进对应的文件夹中 Arial.ttf 下载链接：https://pan.baidu.com/s/1-96nqHsdFsmNxl6uQbl3vw?pwd=hnb8 提取码：hnb8 :

在这里插入图片描述