yolov5使用自己的数据集

最新推荐文章于 2024-05-30 15:50:51 发布

妖怪书生

最新推荐文章于 2024-05-30 15:50:51 发布

阅读量412

点赞数

分类专栏：机器学习和深度学习文章标签： YOLO

本文链接：https://blog.csdn.net/weixin_45177424/article/details/134513748

版权

机器学习和深度学习专栏收录该内容

16 篇文章 0 订阅

订阅专栏

本文介绍了如何使用yolov5进行目标检测，包括从CSV格式转换为Yolo所需的TXT格式，以及如何配置VOC和yolov5s.yaml文件以适应自定义数据集。教程还指导读者如何在CPU上运行并训练模型。

摘要由CSDN通过智能技术生成

提示：以下是本篇文章正文内容，下面案例可供参考

一、参考

博主一：炮哥带你学
目标检测—教你利用yolov5训练自己的目标检测模型

博主二她叫谢雨路：在CPU上跑yolov5（详细步骤+适合入门）

二、数据集

数据集放到自己的当前目录下
在这里插入图片描述

这里涉及到数据集划分，原始的数据集是图片和标注混合在一起的，包括jpg格式和csv格式
在这里插入图片描述
1.csv划分：yolov5标注的数据是txt格式的
对yolov5进行训练，所以要吧csv格式转换为txt格式
这里参考博主就叫啥也不会吧
将csv文件转成txt方便yolo数据集训练

import pandas as pd
import os
#line={filename,width,height,class,xmin,ymin,xmax,ymax}
Airplane_class = ['E2','B52','Mirage2000','F4','F14','Tornado','J20','JAS39','B2']
def getx_c(width,xmin,xmax):
    x_c = (xmin+xmax)/2;
    x_c = '%.16f'%(x_c/width)
    return x_c
def gety_c(height,ymin,ymax):
    y_c = (ymin+ymax)/2
    y_c = '%.16f'%(y_c/height)
    return y_c
 
def getbbox_width(width,xmin,xmax):
    bbox_width = xmax - xmin
    bbox_width = '%.16f'%(bbox_width/width)
    return bbox_width
 
def getbbox_height(height,ymin,ymax):
    bbox_height = ymax - ymin
    bbox_height = '%.16f'%(bbox_height/height)
    return bbox_height
 
 
filename = os.listdir(r'F:/dataset/train_csv')
for file in filename:
    if file.endswith('.csv'):
        file_csv = 'F:/dataset/train_csv/'+file
        print(file_csv)
        file_txt = file[:file.index('.')]
        file_txt = 'F:/dataset/labels/'+file_txt +'.txt'
        with open(file_txt,'w') as f:
            data = pd.read_csv(file_csv)
            for line in data.values:
                #print(type(line[1]))
                x_c = getx_c(line[1],line[4],line[6])
                y_c = getx_c(line[2],line[5],line[7])
                bbox_width = getbbox_width(line[1],line[4],line[6])
                bbox_height = getbbox_height(line[2],line[5],line[7])
                Airplane_index = Airplane_class.index(line[3])
                #print(Airplane_class + ' ' + x_c + ' ' + y_c + ' ' + bbox_width + ' ' + bbox_height)
                f.write(str(Airplane_index) + ' ' + str(x_c) + ' ' + str(y_c) + ' ' +str(bbox_width) + ' ' + str(bbox_height))
                f.write('\n')

2.jpg划分
参考博主Cheng_0829
：cmd复制移动合并文件
就是吧源文件夹的所有文件转移到目标文件夹中

move c:\1\*.jpg c:\2

三、配置

需要修改俩个yaml文件，一个是data里面的VOC.yaml,复制一份，修改为自己的名字，这里我修改为plain.yaml.另一份是model里面的yolo5s.yaml,这里修改为yolo5s_plain.yaml
在这里插入图片描述

在这里插入图片描述

plain.yaml
修改nc和names:
nc是类别数，names是类别名称

yolov5s_plain.yaml
需要修改的是这一行：

nc: 1  # number of classes

打开train.py
修改：

    parser.add_argument('--weights', type=str, default='yolov5s.pt', help='initial weights path')
    parser.add_argument('--cfg', type=str, default='own_datas/yolov5s.yaml', help='model.yaml path')
    parser.add_argument('--data', type=str, default='own_datas/cat.yaml', help='dataset.yaml path')