自定义数据集，并使用yolov5训练预测模型

yolov5自定义数据集训练模型

数据准备：样本图片若干、labelimg标注软件

labelimg百度网盘下载链接：链接：https://pan.baidu.com/s/18rabbupbEP8dgPuwFzbUwg
提取码：5pk2

解压缩之后文件内容如下：

如果是训练自己的数据集，在运行labelimg.py之前请一定要记住打开data下的predefined_classes.txt文本文档，并将其中内容全部删除！！！！！！！！！！！这里是巨坑

运行labelimg.py进行图片标注

打开anaconda prompt ，cd 到labelimg-master目录下运行

python labelimg.py

运行之后界面如下

选择Open Dir打开要标注图片的文件夹

labelimg基本操作：W-圈定区域、A-上一张、D-下一张、ctrl+s-保存图片

标注一张图片在图片同一目录下新建labes文件夹并将生成的.txt文件保存到其中，标注完成后打开第一个.txt文件最开头序号总是从零开始依次递增，创建了多少个类（要分类目标的数目）序号最大值就是多少

如果在训练中报错：Label class 15 exceeds nc=1 in data/pic.yaml. Possible class labels are 0-0]

请看这篇博客：yolov5报错：Label class 15 exceeds nc=1 in data/pic.yaml. Possible class labels are 0-0]_平分秋色i的博客-CSDN博客

参照yolov5一共的官方数据集，我们的文件夹中应该存在如下文件
test:测试用的数据集

train:训练用的数据集

valid:验证用的数据集

data.yaml：配置文件

其中需要对data.yaml做如下修改：

train: ../mask/train/images
val: ../mask/valid/images

nc: 2 #nc为要分类的个数，比如这里的口罩检测有两类-戴口罩或者不戴口罩
names: ['mask', 'no-mask']

例：口罩标准数据集格式下载：Mask Wearing Object Detection Dataset (roboflow.com)

注意将自己创建的数据集格式设置与口罩的一致

格式完成之后，到现在已经完成了个人数据集的制作。

---

利用谷歌硬盘训练yolov5模型

前期准备

谷歌云盘：https://www.google.com/intl/zh-CN/drive/

新建个人云盘

点击Google Colaboratory新建colab

colab实际上是一个jupyter notebook的云端版

基本操作：

在路径之前使用 %

执行程序每一行之前加 !

按Enter+shift执行当前行程序

绑定Google Drive

import os
from google.colab import drive
drive.mount('/content/drive')

点击这个网址
运行之后他会跳出来让你绑定谷歌账号，登陆谷歌账号，复制代码

粘贴到程序里的小框中

进入drive文件夹下

%cd /content/drive/

进入colab

%cd MyDrive/colab/

下载yolov5

!git clone https://github.com/ultralytics/yolov5.git

进入yolov5文件夹下

%cd yolov5/

找到要利用的训练模型（yolov5/models/）这里我选择yolov5s.yaml文件，使用记事本打开，并把nc改成要分类的数目，我的一只是检测一种目标，不要与前边口罩的2混用，分几类就改成几。最后保存

执行训练代码

!python train.py --data ../parking_pic/pic.yaml --cfg models/yolov5s.yaml --weights '' --batch-size 2

训练完成

在runs/train/exp24/下可以可视化训练过程

根据提示下载.pt文件到yolov5目录下

执行

python detect.py --source 0 --weights lats.pt