一、简介
使用Pytorch、Yolov5和OpenCV,完成目标检测模型的训练和部署。
项目的两个功能:
(1)Yolov5离线文件夹:主要是为了照顾国内的网络环境。文件夹不仅包含了https://github.com/ultralytics/yolov5https://github.com/ultralytics/yolov5的完整文件,还提前下载了yolov5.pt文件。
(2)工作区:分为两个部分,第一个部分由三个文件夹组成,第二个部分由三个Python程序组成。
①dataset文件夹:自定义数据集的最终存放位置
②voc_dataset文件夹:pascal voc数据集存放位置
③yolo_dataset文件夹:yolo数据集临时存放位置
④preprocess.py:图片预处理程序
⑤voc_to_yolo.py:将pascal voc格式数据集转换为yolo格式数据集
⑥data_split.py:将存放在yolo_dataset文件夹的数据集切分为train、val和test数据集。
三个Python程序有非常详细的英文注释。
二、准备工作
1、安装Visual Studio Community 2022
安装软件,并勾选安装“使用C/C++桌面开发”选项。
2、安装Anaconda
安装完成后,运行Anaconda Prompt,依次运行以下代码。
conda create -n pytorch python>3.8
activate pytorch
pip install pytorch
pip install labelImg
pip install opencv-python
pip install pillow
pip install shutil
pip install xml
pip install yaml
pip install json
pip install glob
三、使用方法
1、【可选项】测试Yolov5运行环境,运行“test_installation.py”。
2、【可选项】把图片放到“voc_dataset”文件夹中,子文件夹需要命名为“类名字”。
3、运行“preprocess.py”程序,重命名图片、调整图片尺寸。
5、【可选项】运行“voc_to_yolo.py”,将数据集从pascal voc格式转换为yolo格式。
6、运行“data_split.py”程序,将yolo_dataset划分为训练(train)、验证(val)和测试(test)。此外,你可以通过输入“Y/N”来确认是否要自动生成最终的数据集并移动到指定位置。
7、根据Yolov5官方指引,训练和部署自定义模型。
四、流程图
五、文件【百度网盘分享】
见本人博客文章末尾,使用Yolov5+Pytorch训练自定义目标检测模型 – 科创研学社