具体操作:
- 将采集数据集,挑选一些具有代表性的图像,各种情况尽可能囊括在内,进行打标,数量大致为原来数据集的十分之一。打好标签,放入模型重新训练,训练 epoch 不需要太多,20 到 50 足以,太多容易学习过度,就很容易误检,后期筛选麻烦。目的是能够生成目标框,精度多少不重要。
- 检测结果生成与原图 image 一一对一的 txt,且 txt 信息与训练标签一致,有类别信息,四个点信息(共五个数)
- 分别打开将图像和标签放置两个不同的文件夹下,再安装 labelimg,打开 labelimg,打开图像文件夹,将图像导入 labelimg,再点击保存文件夹,打开标签放置文件夹,这样就能够使得标签与图像一一对应,对标签信息进行调整,清洗,删除无效标签等。
- 注意,得往标签文件夹新建一个 classes.txt,该文件里面放置类别名,没有该文件将会自动关闭 labelimg。
- YOLOv5 不会自动生成对应的 txt 文件,需要调整参数。
6.在检测的时候输入 python detect.py –-save-txt 在检测结果中就会保存对应 txt