深度学习训练营之yolov5训练自己的数据集

Posted 无你想你

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深度学习训练营之yolov5训练自己的数据集相关的知识,希望对你有一定的参考价值。

深度学习训练营之训练自己的数据集

原文链接

环境介绍

  • 语言环境:Python3.9.13
  • 编译器:vscode
  • 深度学习环境:torch
  • 显卡:NVIDIA GeForce RTX 3070 Laptop GPU

准备好数据集

我这里采用的数据集是经典的目标检测算法当中的一个数据集,这里附上链接:
文件提取:链接:https://pan.baidu.com/s/1SuNxOTCgrQlqXWK_cRzCZQ
提取码:0909

文件夹下内容:

划分数据集

运行如下命令进行数据集的划分

python split_train_val.py --xml_path D:\\yolov5-master\\yolov5-master\\my_data\\Annotations --txt_path D:\\yolov5-master\\yolov5-master\\my_data\\ImageSets\\Main

原始应该是这样

python split_train_val.py --xml_path xx --txt_path xx

其中xx的地方根据相应的路径进行更改,需要注意到的是运行的路径是函数python split_train_val.py所在的文件夹下进行运行,否则会报错

在弹出的对话框中进行运行


可以看到已经成功生成了

运行voc_train.py

遇到问题

遇到如下报错unsupported operand type(s) for +: 'builtin_function_or_method' and 'str'
这里所说的意思应该是指不能将type(s)类型的字符加上一个函数或者方法,我简单查看了一些,是我在定义abs_path的时候漏加括号,导致abs_path的字符类型出现错误

完整代码

经过调试和更改路径之后得到的代码如下

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
sets = ['train','val','test']

# 20类
classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog",
           "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
abs_path=os.getcwd()
print(abs_path)
# size w,h
# box x-min,x-max,y-min,y-max
def convert(size, box):
    dw = 1./size[0]
    dh = 1./size[1]
    x = (box[0] + box[1])/2.0 -1# 中心点位置
    y = (box[2] + box[3])/2.0 -1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x *dw
    w = w *dw
    y = y *dh
    h = h *dh # 全部转化为相对坐标
    return (x, y, w, h)


def convert_annotation(image_id):
    # 找到2个同样的文件
    in_file = open('Annotations/%s.xml' % (image_id),encoding='UTF-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').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1: #difficult ==1 的不要了
            continue
        cls_id = classes.index(cls) # 排在第几位
        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))
        # 传入的是w,h 与框框的周边
        b1,b2,b3,b4=b
        if b2>w:
            b2=w
        if b4>h:
            b4=h
        b=(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:
    # ('2012', 'train') 循环5次
    # 创建目录 一次性
    if not os.path.exists('labels/' ):
        os.makedirs('labels/')

    # 图片的id数据
    image_ids = open('ImageSets/Main/%s.txt' % (image_set)).read().strip().split()

    # 结果写入这个文件
    list_file = open('%s.txt' % (image_set), 'w')

    for image_id in image_ids:
        list_file.write(abs_path+'/JPEGImages/%s.jpg\\n' % (image_id)) # 补全路径
        convert_annotation(image_id)
    list_file.close()

(记录一下:一开始这个最后的JPEGImages没加斜杠,导致后续报错,这里是添加过后的)
运行val_voc.py可以得到三个txt的文件,其内容如下:

创建new_data.yaml文件

这个文件的名称new_data.yaml是我自己随便起的一个名字,大家可以自行更改

模型训练时遇到的报错

expected '<document start>', but found '<scalar>'

这里主要的原因是在定义变量的时候我使用的是=,但是应该用:
错误图片:(这里突然发现这个mydata当中trian和val的名字不一样,导致后面一系列的错误,我后面改完之后就行)

更正以后:

models文件夹下的用于训练的yolov5s.yaml
把这个原本的分类从80改成20(20是我的数据集的类型)

模型训练

运行如下命令,开始训练

python train.py --img 928 --batch 2 --epoch 10 --data data/new_data.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt 

出现以下报错(没有出现就是成功训练啦)
No labels found in D:\\yolov5-master\\yolov5-master\\my_data\\train.cache.
train.py当中更改成绝对路径

new_data.yaml也进行修改

更改D:\\yolov5-master\\yolov5-master\\utils当中的sa,sb的路径

开始运行…

结果可视化

运行结果如下

使用wandb可以看到我们的运行结果的一些可视化

参考链接

以上是关于深度学习训练营之yolov5训练自己的数据集的主要内容,如果未能解决你的问题,请参考以下文章

深度学习100例 | 第53天:用YOLOv5训练自己的数据集(超级详细完整版)

深度学习100例 | 第53天:用YOLOv5训练自己的数据集(超级详细完整版)

[课程][原创]yolov5安装标注训练自己数据集windows版

深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码)

深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码)

深度学习目标检测:YOLOv5实现红绿灯检测(含红绿灯数据集+训练代码)