使用yolov5训练PASCAL VOC2012数据集以及遇到的坑

首先是pascal voc标签数据格式转yolo标签数据格式，这两种有什么区别，欢迎翻看之前的博客 PASCAL VOC格式的标注格式和YOLO格式的txt标记文件

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

# 要生成的文件夹
sets = [('2012', 'train'), ('2012', 'val')]

# 类别
classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus",
           "car", "cat", "chair", "cow", "diningtable", "dog", "horse",
           "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]


def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def convert_annotation(year, image_id,image_set):
    # 读取Annntation文件中的xml文件
    in_file = open('F:/data/VOCdevkit/VOC%s/Annotations/%s.xml' % (year, image_id))
    out_file = open('VOC2012/labels/%s/%s.txt' % (image_set,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:
            continue
        cls_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))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')



# wd = getcwd()

# 遍历sets = [('2012', 'train'), ('2012', 'val')]
for year, image_set in sets:
    # 在当前路径创建文件
    if not os.path.exists('VOC2012/labels/'
                          '%s' % (image_set)):
        os.makedirs('VOC2012/labels/%s' % (image_set))
    image_ids = open('F:/data/VOCdevkit/VOC%s/ImageSets/Main/%s.txt'
                     % (year, image_set)).read().strip().split()
    if not os.path.exists('VOC2012/images/%s' % (image_set)):
        os.makedirs('VOC2012/images/%s' % (image_set))
    
    list_file = open('VOC2012/images/%s.txt' % (image_set), 'w')
    for image_id in image_ids:
        # 在images中创建一个txt写入每一个图片数据的绝对路径
        list_file.write('F:/data/VOCdevkit/VOC2012/JPEGImages/%s.jpg\n' % (image_id))
        convert_annotation(year, image_id,image_set)
    list_file.close()

VOC 数据集文件夹

建立一个文件夹VOC2012

其中train.txt存放的是图片的绝对路径

labels中存放的是每个图片的标签信息，yolo格式

创建一个yaml文件voc2012.yaml

看似是把一切弄好了是吧，结果疯狂报错，找不到label信息？WTF
好的，debug看看吧，最后找到了原因：
好吧，发现之前训练coco的时候就注意到这个函数过，然而一点印象没有，这个函数要做什么事情，如果你的images中的train和val亦或者还有test，你在里面存放的是图片，那向上面那么做，train一点事情没有，然而如果你的images中放的是train.txt和val.text那么，这个函数会把路径中的’JPEGImages’ 转换成’labels’那么我们必须去绝对路径中的那个文件夹中放置一个labels的文件夹，程序是实时读取这个文件夹中的txt文件

注意这里有我创建的一个labels文件夹，注意这里不区分为文件夹，将所有图片的label的标注信息txt文件都放在文件夹中即可

所以不需要在当前项目目录中创建labels文件夹了，照样可以train，当然可以不用这个函数，直接读取我们想要读取的地址应该也可以，但是这里就不做更改了，如果有人做了，并且有读者朋友看到了，麻烦评论区指路一下， 我去观摩一下，自己太懒不想改了，但是这样就比较麻烦的是如果用服务器读取的话，还是相对路径比较简单的，这里还是更改一下比较好，个人认为，以上就是全部内容。

补：使用服务器训练yolov5

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

sets = ['train', 'val']

classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus",
           "car", "cat", "chair", "cow", "diningtable", "dog", "horse",
           "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]


def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def convert_annotation(image_id,image_set):
    in_file = open('//root/data/public/PASCAL-VOC2012/Annotations/%s.xml' % (image_id))
    out_file = open('//root/data/public/PASCAL-VOC2012/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:
            continue
        cls_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))
        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('//root/data/public/PASCAL-VOC2012/labels/'):
        os.makedirs('//root/data/public/PASCAL-VOC2012/labels/')
    image_ids = open('//root/data/public/PASCAL-VOC2012/%s.txt'% (image_set)).read().strip().split()
    if not os.path.exists('VOC2012/images/'):
        os.makedirs('VOC2012/images/')

    list_file = open('VOC2012/images/%s.txt' % (image_set), 'w')
    for image_id in image_ids:
        list_file.write('//root/data/public/PASCAL-VOC2012/JPEGImages/%s.jpg\n' % (image_id))
        convert_annotation(image_id,image_set)
    list_file.close()

根据所用的gpu显存来决定batch size大小：
BATCH_SIZE设置越大，那么所有训练样本数据完成一次训练(完成一个epoch)要进行的参数更新次数会更少，那么训练耗时更短，BATCH_SIZE设置越小，一个epoch训练完所有样本数据要进行的参数更新次数会更多，因此训练耗时更长。