网站建设的点子,织梦网站发稿说明,站长之家官网查询,牡丹区住房城乡建设局网站YOLOv5-第Y2周#xff1a;训练自己的数据集 YOLOv5-第Y2周#xff1a;训练自己的数据集一、前言二、我的环境三、准备数据集四、运行 split_train_val.py 文件五、生成 train.txt、test.txt、val.txt 文件六、创建ab.yaml文件七、开始使用自己的数据集训练八、总结 YOLOv5-第… YOLOv5-第Y2周训练自己的数据集 YOLOv5-第Y2周训练自己的数据集一、前言二、我的环境三、准备数据集四、运行 split_train_val.py 文件五、生成 train.txt、test.txt、val.txt 文件六、创建ab.yaml文件七、开始使用自己的数据集训练八、总结 YOLOv5-第Y2周训练自己的数据集
一、前言 本文为365天深度学习训练营 中的学习记录博客 原作者K同学啊 二、我的环境
电脑系统Windows 10语言环境Python 3.8.5编译器colab在线编译深度学习环境PyTorch
三、准备数据集
文件夹目录结构
主目录: paper_ data (创建个文件夹,将数据放到这里) Annotations (放置我们的.xm文件) images (放置图片文件) ImageSets: Main (会在该文件夹内自动生成train.txt、 val.txt、 test.txt和trainval.txt四个文件, 存放训练集、验证集、测试集图片的名字) 四、运行 split_train_val.py 文件
ImageSets文件夹下面有个Main子文件夹其下面存放了 train.txt、val.txt、test.txt和 trainval.txt四个文件它们是通过split_train_val.py文件来生成的。
# -*- coding: utf-8 -*-Created on Fri Jul 14 19:08:01 2023author: admin
import os
import random
import argparseparser argparse.ArgumentParser()#xml文件的地址根据自己的数据进行修改xml一班存放在Annotation下
parser.add_argument(--xml_path, default C:\YOLOv5\yolov5-master\paper_data\Annotations, type str, help input xml label path)#数据集的划分地址选择自己数据下的ImageSets/Main
parser.add_argument(--txt_path, default C:\YOLOv5\yolov5-master\paper_data\ImageSets/Main, type str, help output txt label path)opt parser.parse_args()trainval_percent 0.9
train_percent 8 / 9
xmlfilepath opt.xml_path
txtsavepath opt.txt_path
total_xml os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):os.makedirs(txtsavepath)num len(total_xml)
list_index range(num)
tv int(num * train_percent)
tr int(tv * train_percent)
trainval random.sample(list_index, tv)
train random.sample(trainval, tr)file_trainval open(txtsavepath /trainval.txt, w)
file_test open(txtsavepath /test.txt, w)
file_train open(txtsavepath /train.txt, w)
file_val open(txtsavepath /val.txt, w)for i in list_index:name total_xml[i][:-4] \nif i in trainval:file_trainval.write(name)if i in train:file_train.write(name)else:file_val.write(name)else:file_test.write(name)file_trainval.close()
file_train.close()
file_val.close()
file_test.close()运行 split_train_val.py 文件后你将得至train.txt、val.txt、test.txt 和 trainval.txt 四 个文件结果如下
五、生成 train.txt、test.txt、val.txt 文件
编写voc_label.py文件
# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET
import os
from os import getcwdsets [train, val, test]
classes [pineapple] # 改成自己的类别
abs_path os.getcwd()
print(abs_path)def convert(size, box):dw 1. / (size[0])dh 1. / (size[1])x (box[0] box[1]) / 2.0 - 1y (box[2] box[3]) / 2.0 - 1w box[1] - box[0]h box[3] - box[2]x x * dww w * dwy y * dhh h * dhreturn x, y, w, hdef convert_annotation(image_id):in_file open(./annotations/%s.xml % (image_id), encodingUTF-8)out_file open(./labels/%s.txt % (image_id), w)tree ET.parse(in_file)root tree.getroot()size root.find(size)w int(size.find(width).text)h int(size.find(height).text)for obj in root.iter(object):difficult obj.find(difficult).textcls obj.find(name).textif cls not in classes or int(difficult) 1:continuecls_id classes.index(cls)xmlbox obj.find(bndbox)b (float(xmlbox.find(xmin).text), float(xmlbox.find(xmax).text), float(xmlbox.find(ymin).text),float(xmlbox.find(ymax).text))b1, b2, b3, b4 b# 标注越界修正if b2 w:b2 wif b4 h:b4 hb (b1, b2, b3, b4)bb convert((w, h), b)out_file.write(str(cls_id) .join([str(a) for a in bb]) \n)wd getcwd()
for image_set in sets:if not os.path.exists(./labels/):os.makedirs(./labels/)image_ids open(./ImageSets/Main/%s.txt % (image_set)).read().strip().split()list_file open(./%s.txt % (image_set), w)for image_id in image_ids:list_file.write(abs_path /images/%s.png\n % (image_id)) # 注意你的图片格式如果是.jpg记得修改convert_annotation(image_id)list_file.close()
运行voc_label.py文件你将会得到train.txt、test.txt、val.txt三个文件。 六、创建ab.yaml文件 ab.yaml文件内容如下:
七、开始使用自己的数据集训练
python train.py --img 900 --batch 2 --epoch 5 --data paper_data/ab.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt文件报错这里还不知道是什么原因。后续查找修改Bug
八、总结
通过Y1和Y2的学习学会了yolov5的环境配置以及用自己的数据集训练模型。接下来就是查阅资料解决Bug。
