yolov5训练自定义数据

最新推荐文章于 2024-11-10 11:50:00 发布

原创

最新推荐文章于 2024-11-10 11:50:00 发布 · 908 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #人工智能 #计算机视觉

本文档介绍了如何准备数据集以训练YOLOv5模型，包括创建dataset.yaml配置文件，标注图像并导出YOLO格式标签，以及组织训练和验证图像的目录结构。此外，还提到了选择预训练模型、训练过程以及使用Weights & Biases进行日志记录。训练YOLOv5模型的基本步骤包括设置数据集参数、指定batch-size和image size，以及选择预训练权重。

创建数据集
YOLOv5模型必须在标记数据上进行训练，才能学习该数据中的对象类别。
1.1 创建dataset.yaml
COCO128是一个示例小型教程数据集，由COCO train2017中的前128张图像组成。这些相同的128张图像用于训练和验证，以验证我们的训练管道能够过拟合。
如下所示，是数据集配置文件，它定义了：
1）数据集根目录路径与训练、验证和测试图像目录的相对路径（或带有路径的*.txt文件）
2）类的数量 nc
3）一个类名列表

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco128  # dataset root dir
train: images/train2017  # train images (relative to 'path') 128 images
val: images/train2017  # val images (relative to 'path') 128 images
test:  # test images (optional)

# Classes
nc: 80  # number of classes
names: [ 'person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus', 'train', 'truck', 'boat', 'traffic light',
         'fire hydrant', 'stop sign', 'parking meter', 'bench', 'bird', 'cat', 'dog', 'horse', 'sheep', 'cow',
         'elephant', 'bear', 'zebra', 'giraffe', 'backpack', 'umbrella', 'handbag', 'tie', 'suitcase', 'frisbe