笔记--使用yolov5训练自定的数据集

目录

1-- 使用labelimg标注自定数据集

2-- 数据集路径格式

3-- 设置配置文件

4-- 训练

5-- 检测

6-- 参考

7-- 补充问题


1-- 使用labelimg标注自定数据集

安装labelimg第三方库

pip install labelimg -i https://mirror.baidu.com/pypi/simple

运行labelimg

labelimg

Open Dir:需标注的数据集地址 

Change Save Dir:存放已标注数据集 label 的地址

Next Image 和 Prev Image 用于切换下一张和上一张图片

Change save format:注意切换成Yolo的格式

Create RectBox:使用矩形框标注物体的位置

2-- 数据集路径格式

训练集和验证集的路径格式如下:

dataset
       ├─ images
       │    ├─ test # 存放测试集数据(可无)
       │    ├─ train # 存放训练集数据
       │    └─ val # 存放验证集数据
       └─ labels
              ├─ test # 存放测试集标签(可无)
              ├─ train # 存放训练集标签
              ├─ val # 存放验证集标签

举例:

注:存放图片和标签的文件夹需对应相同,如 images 下存放训练集图片  和  labels下 存放训练集标签的文件夹均为train_dataset。(文件夹名可自由定义)

3-- 设置配置文件

①设置数据集的配置文件

参考Yolov5的coco.yaml配置文件

举例:

# 设置路径
path: /civi/dd_Detection_6.28/dataset  # dataset root dir
train: images/train_dataset  # train images dir
val: images/test_dataset  # val images dir
test: # optional

# 设置类别Classes 
nc: 1  # number of classes
names: ['done']  # class names

path:数据集的根目录

train:训练集相对于path的路径

val:验证集相对于path的路径

(路径的设置 可参考 第二节数据集路径格式 的举例图)

nc:类别的个数(这里博主用于识别一个类别,因此设置为1)

names:类别的名称

②设置权重文件配置

参考Yolov5提供的预训练权重配置文件(这里博主选用的是yolov5s.yaml,使用yolov5s.pt)

nc改成类别数目即可,这里博主只识别一个类别

4-- 训练

运行训练代码:

python train.py \
--data /civi/dd_Detection_6.28/train.yaml \
--cfg /civi/dd_Detection_6.28/yolov5s.yaml \
--weights /civi/dd_Detection_6.28/yolov5s.pt \
--epoch 300 --batch-size 8 --device 0

--data:数据集配置文件的地址

--cfg:权重配置文件的地址

--weights: 预训练权重文件的地址(预训练权重下载地址

--epoch:训练的次数

--batch-size:batch大小

--device:使用cpu或gpu训练

(使用cpu:--device cpu)(使用gpu:--device 0,1..)

其它参数可参考train.py的配置参数

5-- 检测

python detect.py \
--weights /civi/dd_Detection_6.28/test_img/best.pt \
--source /civi/dd_Detection_6.28/test_img/test_ljf/test1.PNG

6-- 参考

参考1

7-- 补充问题

可能遇到的问题1:url错误(可能原因:博主使用的python3.8版本)

解决方法:进入报错的代码。添加以下命令:

import ssl
ssl._create_default_https_context = ssl._create_unverified_context

可能遇到的问题2:字体下载响应过慢

解决方法:根据打印的内容,手动下载 字体文件 到 规定的路径 内

举例:训练过程中,博主需下载 Arial.ttf 字体到 /root/.config/Ultralytics 路径内。

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要在YOLOv5使用自己制作的数据集,您可以按照以下步骤进行操作: 1. 使用labelImg等工具标注数据集:下载并使用labelImg工具标注您的数据集。确保将标注后的图像和相应的标签文件存放在正确的位置。 2. 将VOC标签转换为YOLO标签格式:YOLOv5使用自定义的标签格式,因此您需要将VOC格式的标签转换为YOLO格式。这可以通过使用脚本或在代码中进行转换实现。 3. 数据集划分:将数据集划分为训练集、验证集和测试集。确保在划分过程中保持数据集的平衡和代表性。 4. 设置数据集文件夹的位置:在您的文件系统中创建一个数据集文件夹,并将图像和标签文件分别存放在相应的文件夹中。同时,创建一个data.yaml文件,其中包含数据集的相关信息,如类别数和文件路径。 5. 使用YOLOv5训练使用YOLOv5源码位置中的代码,按照官方文档中的说明进行训练。确保在训练过程中正确指定数据集文件夹和相关参数。 综上所述,这些是在YOLOv5使用自制数据集的一般步骤。您可以参考相关文档和教程来获取更详细的操作指南。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [制作YOLOv5数据集](https://blog.csdn.net/Z960515/article/details/121945811)[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^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [YOLOv5系列 1、制作自己的数据集](https://blog.csdn.net/fjlaym/article/details/123992962)[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^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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