【YOLO】YOLOX训练COCO数据集

原创 已于 2023-03-09 10:37:54 修改 · 置顶 · 9.7k 阅读 · 95 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习

于 2021-08-17 10:35:39 首次发布
本文档详细介绍了如何解决使用YOLOX框架在COCO数据集上训练时出现AP为0的问题。首先确保数据集格式正确，然后修改yolox/data/datasets/coco_classes.py以匹配自定义类别，接着调整训练和测试的尺寸大小，以及在exps/example定制的配置文件中设置数据集路径、类别数和其他参数。在完成这些步骤后，如果AP仍然为0，可能需要检查JSON文件内容。最后，还提供了一个针对可能出现的TypeError的解决方案。

另一篇Yolox文章，解决Voc数据集下AP为0：解决YOLOX训练时AP为0

有小伙伴是训练coco数据集时，AP为0，实际上，我并没有遇到这个问题，我这里测试了下，是可以正常运行的，但有小伙伴问了，我这里就总结一下如何训练Coco数据集吧．．．

步骤如下

  • 首先呢，保证Coco数据集格式正确
    Animals_Coco
   ├─annotations
   ├─train2017
   └─val2017
    在annotations 文件夹下包含两个重要的文件instances_train2017.json，instances_val2017.json
    在train2017和val2017 包含的是训练和验证的图片数据
  • 接着修改 yolox/data/datasets/coco_classes.py， 修改为自己数据集的类别
    COCO_CLASSES = (
"tiger",
"panda",
)
  • 接着按照自己的需求修改 yolox/exp/yolox_base.py(也可以不做修改)
    (这里应该也可以不用修改，因为后面的exps/example/yolox_voc/yolox_s.py会对self.num_classes进行重载)
将self.num_classes修改为自己的类别数
self.num_classes = 2 (我的数据集是 2)

你还可以修改 self.inputsize, self.random_size 改变训练尺寸大小

你还可以修改 self.test_size 改变测试的尺寸大小
  • 修改 exps/example/custom/yolox_s.py
    修改数据集地址 self
最低0.47元/天 解锁文章
YOLOX训练自己的数据集（COCO格式）
G果的博客
04-06 3601
yolox+coco
目标检测实战＜05＞：最新YOLOX模型训练COCO数据集
源代码杀手的博客
08-15 1960
零、yolox算法思想介绍 原文链接：目标检测实战＜03＞：最新YOLOX算法背后的主要思想 一、COCO数据集准备 参考链接：https://blog.csdn.net/qq_41185868/article/details/82939959 本文训练数据集使用的是coco2014，使用方法同2017版本。 COCO数据集的80个类别—YoloV3算法采用的数据集 person(人) bicycle(自行车) car(汽车) motorbike(摩托车) aeroplane(飞机) bus(公
YOLOX训练-COCO格式
嗯呢嗯呢的博客
09-28 3093
将MOT17数据集转为COCO格式。YOLOX接着上一次训练。使用tensorboard可视化。OSError: [WinError 1455]页面文件太小，无法完成操作
yolox 训练自己的数据集 （COCO格式）
zxxRobot的博客
10-22 1万+
准备工作 1. 准备自己的数据集 Animals_Coco ├─annotations ├─train2017 └─val2017 在annotations 文件夹下包含两个重要的文件instances_train2017.json，instances_val2017.json 在train2017和val2017 包含的是训练和验证的图片数据。 2. YOLOX环境搭建 下载 YOLOX，克隆不下来的话，也可以自己下载zip文件然后解压 。 cd ~/code git clone https://gith
使用YOLO11-Seg训练COCO数据集
最新发布
m0_60139002的博客
10-19 261
修改数据集配置文件ultralytics\cfg\datasets\coco.yaml，Path写上coco数据集的路径。快速使用YOLO11-Seg训练COCO数据集。使用命令下载pytorch和cuda。写一个main.py进行训练。✅ 数据集目录结构展示。
YOLOX训练（实现）（COCO：coco数据集）最新最全教程
java_pythons的博客
09-27 5466
YOLOX实现 1、YOLOX代码环境搭建： 1.1 下载YoloX代码并安装YOLOX YOLOX的github链接 复制红框的链接 在linux系统中clone复制的链接：git clone https://github.com/Megvii-BaseDetection/YOLOX.git （1）新建一个Canda环境 输入命令：conda create -n Yolox python=3.7 （2）进入Conda环境 输入命令：conda activate Yolox，进入Conda环境中，并到下载
手把手教你利用YOLOX训练自定义数据集（COCO Dataset）
Mickey的博客
05-29 4095
YOLOX 支持使用自定义数据集进行训练。为了在 YOLOX 上运行我们自己的数据集，我们需要遵循以下基本步骤
精选资源
基于coco数据集的yolox模型预训练权重
11-07
yolox模型预训练权重
精选资源
YOLO交通标志检测CCTSDB数据集(含9000张图片)+对应voc、coco和yolo三种格式标签+划分脚本+训练教程
10-20
2、附赠YOLO环境搭建、训练案例教程和数据集划分脚本，可以根据需求自行划分训练集、验证集、测试集。 3、数据集详情展示和更多数据集下载：https://blog.csdn.net/m0_64879847/article/details/132301975
在 COCO数据集上训练 YOLOX （代码详解）
weixin_45836196的博客
06-05 3206
讲解了YOLOX项目的代码细节，数据集为COCO
yolox訓練coco
qq_36302310的博客
09-02 944
使用yolox训练coco数据集格式的模型 yolox訓練cocococo数据集格式数据集准备数据训练修改yolo_s.py修改yolo_base.py修改coco.py修改coco_classes.py开始训练总结 coco数据集格式 标准格式： coco —annotations(存放json文件) ——train2017.json ——val2017.json —train2017 (存放训练图片) —val2017 （存放测试图片） 修改合并格式： coco —annotations （存放jso
Ultralytics YOLO V11 初体验—训练COCO数据集—全流程记录
一个学长的博客
10-09 1万+
本文记录了，使用Utralytics平台中的YOLO V11 训练COCO数据集的全流程，包括环境配置，模型下载，数据集下属在，文件目录搭建，标签生成，以及最后的运行结果。
YOLOX训练自己的数据集（coco格式）
整天梦游的小jerry
09-23 3803
这里记录一下将yolox用于训练自己的数据集（coco格式），这里yolox的github地址 Environment conda create -n yolox python=3.8 conda activate yolox pip install torch==1.8 cd yolox pip install -r requirements.txt python setup.py develop Install pycocotools git clone https://github.com/coco
YOLOX-入门2-训练-【Reproduce our results on COCO】
weixin_41793473的博客
07-23 3263
YOLOX-入门2-训练-【Reproduce our results on COCO】 上一篇： YOLOX-部署与测试 部署的平台：【极链AI云平台】 YOLOX地址： https://github.com/Megvii-BaseDetection/YOLOX 复现YOLOX在COCO数据集的结果 数据集 在部署平台极链AI云上，有提供数据集，其中就包括coco2017，可以直接用ln语句在自己的YOLOX路径下建立软链接，使用方便。 在极链AI云提供的coco数据集中，有提示该coco数据集的路径，
yolov8官方代码训练模型（coco数据集和voc数据集训练）+onnx模型预测
m0_63493883的博客
12-04 1万+
根据官方的解释，pip 的 ultralytics 库包含了 requirements.txt中的所有库。windows11 和 Ubuntu20.04（建议使用 Linux 系统）首先切换到自己建立的虚拟环境安装 pytorch。参照官网，直接使用以下语句即可导入项目所需要的库。train 和 val 的路径就这样写。2.3 yaml文件。
使⽤COCO数据集训练YOLOX
永远飞翔的鸟
02-02 1240
注意： 训练的时候，如果GPU不够，可以修改batchsize大小。
【计算机视觉】YOLO 入门：训练 COCO128 数据集
热门推荐
wzk4869的博客
08-29 2万+
【计算机视觉】YOLO 入门：训练 COCO128 数据集
YOLOv8-Detect训练CoCo数据集+自己的数据集
qq_54134410的博客
02-02 6282
至此，整个训练预测阶段完成。此过程同样可以在linux系统上进行，在数据准备过程中需要仔细，保证最后得到的数据准确，最好是用显卡进行训练。有问题评论区见！
YOLOX_x训练自定义数据集（COCO格式）
m0_53955985的博客
11-11 832
使用wandb需要自己在官网注册。
yolo训练coco数据集
07-27
要训练YOLOX算法使用COCO数据集，你需要进行以下步骤： 1. 首先，你需要修改`train.py`文件中的`--exp_file`参数值为`yolox_s.py`的文件路径。同时，你还需要修改`self.data_dir`为你存放COCO数据集的文件夹路径，`self.train_ann`为训练集的注释文件名（通常是`instances_train2017.json`），`self.val_ann`为验证集的注释文件名（通常是`instances_val2017.json`），以及`self.num_classes`为你的类别数量。你还可以根据需要修改其他参数，如`self.max_epoch`，`self.data_num_workers`和`self.eval_interval`。\[1\] 2. 确保你的COCO数据集包含在`annotations`文件夹中，其中包括两个重要的文件`instances_train2017.json`和`instances_val2017.json`。这些文件包含了训练和验证集的图像数据。\[2\] 3. 搭建YOLOX的环境。你可以按照YOLOX的文档或教程来安装所需的依赖项和配置环境。\[2\] 4. 训练模型。运行`train.py`文件来开始训练YOLOX算法模型。训练完成后，你可以在`tools/`文件夹下找到测试文件，可以使用`demo.py`和`eval.py`这两个文件来对训练的模型进行测试。在测试时，需要修改配置参数`--exp_file`，确保与训练时的配置文件一致。\[3\] 请注意，以上步骤仅提供了一个大致的指导，具体的操作可能会因YOLOX版本和个人需求而有所不同。建议你参考YOLOX的官方文档或教程以获取更详细的指导。 #### 引用[.reference_title] - *1* *2* *3* [yolox 训练自己的数据集 （COCO格式）](https://blog.csdn.net/zxxxiazai/article/details/120906366)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 33
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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