YOLOX训练自己的数据集

原创已于 2022-03-25 19:07:57 修改 · 5.4k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#python

于 2022-03-25 16:27:15 首次发布

目标检测专栏收录该内容

4 篇文章

订阅专栏

本文详细介绍了如何使用YoloX框架在Windows环境下训练VOC数据集，包括数据集的准备、配置文件的调整及关键代码的修改等内容。

部署运行你感兴趣的模型镜像

前面的准备工作我已经在这篇博文写过了
YoloX训练VOC数据集（自用）自己运行踩坑，在windows系统运行
下面就是做数据集准备和修改相关代码了

1.数据集准备

使用voc的数据集目录结构如下

VOC2007
--Annotations
	--000000.xml
	--000001xml
--ImageSets
	--main
		--test.txt
		--trainval.txt
		--val.txt
		--train.txt
--JPEGImages
	--000000.jpg
	--000001.jpg

VOC格式的分布如上图所示

JPEGImages：存放数据集图片

Annotations文件夹：存放与图片对应的xml文件

ImageSets/Main文件夹：存放train.txt和val.txt

2.修改训练配置参数和类别

根据自己数据集的类别，修改yolox/data/datasets/voc_classes.py中的标签信息
修改exps/example/yolox_voc/yolox_voc_s.py中的self.num_classes
修改yolox/exp/yolox_base.py中的self.num_classes
修改训练集数据目录，修改exps/example/yolox_voc/yolox_voc_s.py中的VOCDection
因为这里用的是自己的数据集，所以需要修改

data_dir：修改为数据集文件夹的绝对路径
images_sets：修改为train
max_labels：表示图片最多的目标数量，根据数据集的具体情况进行修改
修改yolox/data/datasets/voc.py中，VOCDection函数（125行）中的读取txt文件
因为数据集里没有年份的信息，所以需要修改

加红的是原来的代码，
修改验证集信息，修改exps/example/yolox_voc/yolox_voc_s.py中的get_eval_loader函数
其他需要修改的地方
在yolox/data/datasets/init.py中添加调用的路径