yolov5 口罩检测模型训练及测试

yolov5 口罩检测模型训练及测试

一、数据集准备

1.利用网上公开数据集

2.xml转txt

可以看到公开数据集标注保存的为xml文件格式，利用上一篇文章中所述的python脚本文件，将xml文件转txt文件如下：

3.数据集分类处理

将上述图片文件和标注的txt文件分为训练集train和验证集valid，train文件夹和valid文件夹下均有images文件夹和labels文件夹，images文件夹中为图片文件，labels文件夹中为标签文件，两个文件夹中的文件名称和数量须相同。



新建data.yaml配置文件，内容如下
train: C:/Users/Desktop/yolov5/mask/train/images
val: C:/Users/Desktop/yolov5/mask/valid/images
nc: 3
names: [‘mask’, ‘nomask’,‘worongmask’]

注明训练集和验证集图片位置、分类数量、分类名称即可

二、开始训练

打开源码中的train.py文件修改以下文件对应位置即可

另注意修改bach-size参数，works参数可能要为0，否则报错缺失dll

源码路径下cmd ，运行 python train.py文件即可进入训练

终端运行：tensorboard --logdir=训练路径，复制链接打开即可看到可视化参数面板

若报错，按以下方法处理：

再次重新输入tensorboard --logdir=训练路径即可

运行若报以下错误：
RuntimeError: result type Float can‘t be cast to the desired output type long int
可参考原文
修改【utils】中的【loss.py】里面的两处内容

1.打开你的【utils】文件下的【loss.py】

2.按【Ctrl】+【F】打开搜索功能，输入【for i in range(self.nl)】找到下面的一行内容：

（上面的代码在【loss.py】的后半部分）

将下面的代码替换掉上图中的红圈部分：

anchors, shape = self.anchors[i], p[i].shape

替换之后的效果是这样的：

3.按【Ctrl】+【F】打开搜索功能，输入【indices.append】找到下面的一行内容：

（上面的代码在【loss.py】的最后部分，具体位置在上一处搜索位置的下面10行左右）

将下面的代码替换掉上图中的红圈部分：

indices.append((b, a, gj.clamp_(0, shape[2] - 1), gi.clamp_(0, shape[3] - 1))) # image, anchor, grid

替换之后的效果是这样的：

4.保存刚才的两个替换操作

5.再次运行【train.py】文件，问题解决！！！代码跑通！！！

注意代码对齐！！！

三、测试

更改detect.py 文件的权重文件路径 与 测试图片路径即可

yolov5 源码文件下cmd ，运行python detect.py