简单三步 用Yolov5快速训练自己的数据集（新增转换划分脚本）

已于 2023-04-14 13:17:23 修改 23024 收藏 188
分类专栏： YOLOv5/v7改进实战 文章标签： 人工智能 目标检测 计算机视觉
于 2022-04-28 07:45:00 首次发布
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。
本文链接：https://blog.csdn.net/weixin_43694096/article/details/124457787
版权

请添加图片描述

🌟想了解更多YOLO系列算法更多进阶教程欢迎订阅我的专栏🌟

基础不好的同学可以试试看一下我的《目标检测蓝皮书》🚀，里面包含超多目标检测实用知识，想速通目标检测，看这本就对了！

想了解YOLO系列算法进阶教程的同学可以关注这个专栏YOLOv5/v7 进阶实战 | 安卓部署 | PyQt5页面 | 剪枝✂️ | 蒸馏⚗️ | Flask Web部署 | 改进教程，里面包含多种手把手的部署压缩教程，除此之外还有大量的改进~

简单三步 ！用自己的数据集快速训练Yolov5模型

文章目录

了解本专栏 订阅专栏 解锁全文
迪菲赫尔曼
关注
  • 44
    点赞
  • 踩
  • 188
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 59
    评论
专栏目录
订阅专栏
YOLOv5入门实践（4）——手把手教你训练自己的数据集
路人贾的博客
04-09 1060
YOLOv5入门实践第4步，手把手教你训练自己的数据集
YOLOv5(PyTorch)实战：训练自己的数据集(Windows)
10-09
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高，更加灵活和易用，当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。 本课程的YOLOv5使用ultralytics/yolov5，在Windows系统上做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。 希望学习Ubuntu上演示的同学，请前往 《YOLOv5(PyTorch)实战：训练自己的数据集(Ubuntu)》课程链接：https://edu.csdn.net/course/detail/30793  本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括：《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》Ubuntu系统 https://edu.csdn.net/course/detail/30793Windows系统 https://edu.csdn.net/course/detail/30923《YOLOv5(PyTorch)目标检测：原理与源码解析》课程链接：https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战：Flask Web部署》课程链接：https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战：TensorRT加速部署》课程链接：https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战：Jetson Nano部署》课程链接：https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接：https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接：https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接：https://edu.csdn.net/course/detail/35209《YOLOv5实战垃圾分类目标检测》课程链接：https://edu.csdn.net/course/detail/35284       
超详细！手把手教你从零开始训练yolov5模型
limingmin2020的博客
03-28 2383
作者：抛到海里编辑：3D视觉开发者社区本文将从yolov5的下载安装开始，详细介绍从环境搭建到素材整理以及最后训练出目标图片模型的整个过程。以下为本文目录：一、anconda环境搭建二、yolov5下载安装三、素材整理四、模型训练。
使用YOLOV5训练自己的数据集
qq_36230981的博客
03-04 126
1.准备数据集 使用labelimg将数据集中需要识别的部位框出来 2.划分数据集，训练集 编写代码，自动划分，以及将VOC格式转为YOLO格式 import xml.etree.ElementTree as ET import os import random from shutil import copyfile import cv2 classes = ["gas", "fire"] TRAIN_RATIO = 0.8 def clear_hidden_files(path):
Yolov5训练自己的数据集（超详细）
一位安分的码农的博客
07-08 8356
一、从官网下载最新的yolov5代码 二、新建VOCData文件夹 三、VOCData文件夹结构 1、新建Annotations文件夹，存放标签 简单的xml文件，应该长这样 复杂的xml文件，应该长这个样子 2、新建images文件夹，存放图片数据 注意：需要观察自己的图片文件的后缀名，后面需要用到，不然可能出现程序找不到图片的情况 3、新建split_train_val.py，用来划分训练集与验证集 运行之后，会发现VOCData文件夹里面多了ImageSets文件夹 里面包括四个txt文
yolov5训练自己的数据集(从零开始)
qq_52859223的博客
03-24 3万+
小白都会学习的文章
YOLOv5训练自己的数据集(超详细)
热门推荐
qq_40716944的博客
09-23 7万+
一、准备深度学习环境 本人的笔记本电脑系统是：Windows10 首先进入YOLOv5开源网址，手动下载zip或是git clone 远程仓库，本人下载的是YOLOv5的5.0版本代码，代码文件夹中会有requirements.txt文件，里面描述了所需要的安装包。 本文最终安装的pytorch版本是1.8.1，torchvision版本是0.9.1，python是3.7.10，其他的依赖库按照requirements.txt文件安装即可。 ...
YOLOv5快速训练助手
06-08
YOLOv5自诞生发展到现在的version6.1版本，一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的功能，还支持二次开发创作。 YOLOv5自诞生发展到现在的version6.1版本，一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的功能，还支持二次开发创作。 YOLOv5自诞生发展到现在的version6.1版本，一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的功能，还支持二次开发创作。
YOLOv5训练自己的数据集详解
tt丫的博客
02-11 2万+
入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。 一、YOLOv5源码下载 网址指路：GitHub - ultralytics/yolov5: YOLOv5 ???? in PyTorch > ONNX > CoreML > TFLite 用git克隆下来 二、环境配置 文件夹中有一个文件requirements.txt，这里是环境依赖的说明 我们在终端输入pip install -r requirements.txt下载
YOLOV5训练自己的数据集（踩坑经验之谈）
a_cheng_的博客
12-19 6万+
利用YOLOv5训练自己的数据集 导言 很惭愧，来csdn已经三年多了，却一直都在“白嫖”各位大神的经验与总结。这几天也一直在csdn里学习YOLOv3与YOLOv5训练数据集的具体步骤，几经波折终于实现了很好的效果。因此，决定利用闲暇时间，为大家写一篇YOLOv5训练数据集的小白手册，还望大家喜欢！有不同看法或意见欢迎在评论区指出！ 1.YOLOv5的简介 （本段为个人理解，有错误问题欢迎指正！） 严格来讲，YOLOv5并不算是YOLO系列的第五代，因为并非原作者创作且暂时没有得到原作者的许可。但是，它的
YOLOV5训练自己的数据集（超详细，小白必看）
m0_64524798的博客
02-13 8053
教你最方便的了解如何使用yolov5训练自己的数据集（最全面，最简单易懂）
YOLOV5火灾检测数据集+代码+模型.zip
05-21
YOLOV5火灾检测数据集+代码+模型，提供处理voc数据集的常用脚本，以及pytorch转换tensorrt的转换脚本。提供安全帽检测、行人入侵检测、火灾烟雾检测等等模型。YOLOV5火灾检测数据集+代码+模型，提供处理voc数据集的常用脚本，以及pytorch转换tensorrt的转换脚本。提供安全帽检测、行人入侵检测、火灾烟雾检测等等模型。YOLOV5火灾检测数据集+代码+模型，提供处理voc数据集的常用脚本，以及pytorch转换tensorrt的转换脚本。提供安全帽检测、行人入侵检测、火灾烟雾检测等等模型。YOLOV5火灾检测数据集+代码+模型，提供处理voc数据集的常用脚本，以及pytorch转换tensorrt的转换脚本。提供安全帽检测、行人入侵检测、火灾烟雾检测等等模型。YOLOV5火灾检测数据集+代码+模型，提供处理voc数据集的常用脚本，以及pytorch转换tensorrt的转换脚本。提供安全帽检测、行人入侵检测、火灾烟雾检测等等模型。YOLOV5火灾检测数据集+代码+模型，提供处理voc数据集的常用脚本，以及pytorch转换tensorrt的转换脚本。提供安全
yolov5代码版，带预训练，测试脚本，可训练
08-21
yolov5配置版，阅读修改起来不太方便，特地整理出来代码封装版，阅读，修改网络比较方便，带预训练权重，检测代码：detect_class_s.py，检测芒果的，可以训练别的。
软件测试实验报告一.pdf
最新发布
05-24
软件测试实验报告一.pdf
python脚本，划分训练集和测试集，coco、voc格式的数据转换成yolo系列数据
06-28
内容概要：python脚本划分训练集测试集。可以把coco、voc格式的数据转换成yolo系列数据。经过大量实践验证无bug 源代码：python脚本 适合人群：学生、具备一定编程基础，工作1-3年的研发人员、想入门人工智能的爱好者、科研人员 能学到什么：可以快速出效果。节省你的时间 备注：如遇问题，随时联系我。
yolov5训练visdrone数据集
05-09
yolov5训练visdrone数据集
YOLOv5训练车辆类型识别TXT数据集
03-21
YOLOv5训练车辆类型识别TXT数据集.自己整理的车辆类型数据集 一共1400张图片，共分7个类別， 分别为Bus，Car，SportsCar，MicroBus，Truck，SUV，Jeep是TXT格式的数据集，用LabelImg工具进行标注，可以转成TFRecord...
Visdrone数据集YOLOv5训练权重+pyqt界面
06-09
1、yolov5下俯视场景下车辆行人检测视觉检测，包含YOLOv5s和YOLOv5m两种训练好的visdrone数据集权重，以及PR曲线，loss曲线等等，有pyqt界面，目标类别为车辆行人等 2、pyqt界面可以检测图片、视频、调用摄像头 3、...
yolov5训练自己数据集
05-01
开源神器YOLOv5已经成为了许多科研、工业领域检测任务的首选模型，而我们经常需要基于自己的数据集进行模型训练。本文将简单介绍YOLOv5训练自己数据集的方法。 第一步：安装YOLOv5 首先需要在自己的电脑或服务器上安装YOLOv5。可以通过以下命令获取YOLOv5： ``` git clone https://github.com/ultralytics/yolov5.git cd yolov5 pip install -r requirements.txt ``` 在安装依赖库的过程中可能会出现各种问题，例如需要安装cmake、cuda等，可以参考github的一些安装教程。 第二步：准备数据集 在YOLOv5中训练自己的数据集需要准备如下文件： - 图像：保存在一个文件夹中，文件夹名字可以是任意的。 - 标注文件：包含每张图像中物体的位置信息，通常使用xml格式或者txt格式。 图像和标注文件的命名需保持一致，例如： ``` folder ── 000001.jpg ── 000001.txt ── 000002.jpg ── 000002.txt ... ``` 标注文件格式如下： ``` <class_name> <x_center> <y_center> <width> <height> ``` 其中`<class_name>`是物体的标签，`<x_center> <y_center>`是物体中心点的坐标，`<width> <height>`是物体的宽度和高度。 第三步：修改配置文件 修改YOLOv5中的配置文件，包括yaml文件和python文件。首先根据要训练数据集的数量和类别数修改yaml文件，例如voc.yaml。将nc（数据集中的类别个数）修改为自己需要的数量，并在names项中添加自己的类别名称。 然后修改train.py文件，将--data参数指向yaml文件路径，将--cfg参数指向yolov5s.yaml。 第四步：训练模型 完成上述步骤后，就可以开始训练模型了，可以通过以下命令启动训练过程： ``` python train.py --img 640 --batch 16 --epochs 20 --data path/to/voc.yaml --cfg yolov5s.yaml ``` 其中的`--img`参数指定了输入图像的大小，`--batch`参数指定了批次大小，`--epochs`参数指定了训练的轮数。可以根据自己的需求进行调整。 训练模型需要一定的时间，训练过程中可以通过tensorboard观察模型的训练效果和训练过程中的损失函数变化。 第五步：测试模型 训练完模型后，可以通过以下命令进行模型测试： ``` python detect.py --source ./data/images --weights runs/train/exp/weights/best.pt --conf 0.4 ``` 其中的`--source`参数指定了测试图像的文件路径，`--weights`参数指定了模型权重文件的路径，`--conf`参数指定了置信度的阈值。 最后，通过以上几个步骤，就可以使用YOLOv5训练自己的数据集。当然，训练模型需要足够多的数据量和标注数量，以及对数据集进行一定的扩增，才能获取更好的检测效果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 59
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

打赏作者

迪菲赫尔曼

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额：-- )
扫码支付
扫码支付：¥2
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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、C币套餐、付费专栏及课程。

余额充值