跟土堆学yolov5目标检测p10自制数据集及训练集

如何制作和训练自己的数据集

• 标注
• 自己获得数据集（手动）-人工标注
• 自己获得数据集-半人工标注
• 仿真数据集（GAN、数字图像处理的方式（抠图贴图，具体位置是可知的））

可以搜索：synthetic data object detection github

 

 

 首先创建--data 文件 

1. path为根目录 

   path: ../datasets/coco128  # dataset root dir

2. 训练集和验证集的相对位置

   train: images/train2017  # train images (relative to 'path') 128 images

   val: images/train2017  # val images (relative to 'path') 128 images

      3.指定训练类别

# Classes (80 COCO classes)
names:
  0: person
  1: bicycle
  2: car
  ...
  77: teddy bear
  78: hair drier
  79: toothbrush

二、制作自己的数据集

下载四张汽车照片

 

 

 

 

 添加标签

标注数据集地址：https://www.makesense.ai/ 

GET STARTED

点击添加图片

选择并确定

Object Detection 目标检测

Image recognition 图像识别

选择目标检测

3.用文件添加label类别：换行分割

上传label.txt,显示找到两个labels

 重新编辑labels

 添加一列自行车

 参数解释：

Import Images：导入图片

Import Annotations ：导入标注

Export Annotations：导出标注

Run AI locally:使用AI模型辅助标注

手动标注：Rect：矩阵标注；Point：点标注；Line：线标注；Polygon：多边形标注

 框选出车，并在右边选择类别

 标注人

使用人工智能标注

 选coco数据集

出错：因为car与Car大小写而以为有新的类别，故拒绝

 人工智能发现的图像，鼠标移到左上角点击“+”，右边选择类别

 添加后效果

 将重复的框删除，没标注的手动标注上

4.导出标注数据

选择Export Annotations

 选yolo格式并导出

 下载好的文件

 解压打开

 0 代表汽车 x中心，y中心，宽度，高度  yolo格式是归一化的坐标

1是Person 2是Bike

三、组织数据集

建一个文件夹为images，再建一个labels对应，在images和labels下在建立train和test

../datasets/coco128/images/im0.jpg  # image
../datasets/coco128/labels/im0.txt  # label

 在yolov5中创建mydata，再创建images和labels文件夹，按如下操作，注意对应

四、写--data 文件

 将data/coco128.yaml复制并重命名为mydata.yaml

copy并重命名

train是训练集，

val是训练过程中的测试集，是为了让你在边训练边看到训练的结果，及时判断学习状态。

test就是训练模型结束后，用于评价模型结果的测试集。

只有train就可以训练，val不是必须的，比例也可以设置很小。

test对于model训练也不是必须的，但是一般都要预留一些用来检测，通常推荐比例是8:1:1

按如下修改地址和类别：

path: mydata  # dataset root dir
train: images/train  # train images (relative to 'path') 128 images
val: images/train  # val images (relative to 'path') 128 images
test:  # test images (optional)

修改类别：可以不需要大写，因为对应的是类别数字

 

删除download 

保存文件

 将mydata.yaml路径拷贝到对应train.py  --data default参数中

 

 五、运行train.py

 结果保存在：

 

训练结束

 六、测试权重

 修改detect.py中的--weights  为 best.pt

设置--source 为训练数据集

检测结果如下：

 

 

 

 

 

 

 把数据集放到项目外面可以避免Pycharm检索浪费时间，或者调为exclude，这样pycharm就不会检索了