手把手教你使用Yolov5制作并训练自己的数据集

目录

1.数据集制作

1.1 labelme安装使用

2.数据集与模型配置

2.1 存放数据集

 2.2 修改data->XYB.yaml和LabelmeToXYB.py的参数

2.3 配置环境和下载模型所需的依赖

3.训练和测试

3.1 训练

3.2 测试

---

程序使用教程

使用的yolov5代码存放在了百度网盘：

链接：百度网盘 请输入提取码 
提取码：2xic

官方源代码地址：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

1.数据集制作

1.1 labelme安装使用

参考链接：

labelme的安装与使用（深度学习打图像分割的标签）_是七叔呀的博客-优快云博客_图像分割 打标签

关于labelme标注生成的json文件批量转为label/mask的问题 - 简书
labelme安装及使用_Chaojun_Shi的博客-优快云博客_labelme安装

在命令行界面中输入如下代码进行标注软件的安装和使用：

依次执行成功：

pip install pyqt5
pip install labelme 

#命令行执行如下语句打开软件：

labelme

软件打开后界面如下图所示：

 然后，进行图片标注，点击Open Dir，选择数据集图片所在文件夹：

 点击edit-> Create Rectangle（或Ctrl+R快捷键）标注新的label。

目标的矩形框标注完成后，点击OK，保存目标的类别标签信息；整张图片所有待标注对象标注完后，点击Save：

点击NextImage标记下一张图片：

 所有标签标注完成后，文件夹中将会出现所有对应于每个图片json标签文件：

2.数据集与模型配置

首先将项目导入Pycharm：

2.1 存放数据集

将所有数据集图片和json标签文件夹放到工程目录下的datasets文件夹内：

 2.2 修改data->XYB.yaml和LabelmeToXYB.py的参数

它们的位置如下：

       首先修改data->XYB.yaml的参数：

       然后修改LabelmeToXYB.py的参数：

修改完上述参数后运行LabelmeToXYB.py，将会在tmp文件夹下生成如下文件：

2.3 配置环境和下载模型所需的依赖

Pycharm终端运行如下命令：

pip install -r requirements.txt

3.训练和测试

3.1 训练

运行如下指令进行训练（详情查看工程文件目录下README.md文件）：

python train.py --data data/XYB.yaml --cfg xyb_m.yaml --batch-size 64

训练后数据保存在工程目录下runs->train文件夹内，首次运行权重将会保存在runs->train->exp->weights文件夹下，之后运行成功后将会依次保存在exp2/3/4/…；

并且会生成train.cache文件

 

 

3.2 测试

运行如下指令进行测试，--weights选择权重文件，--source选择需要测试的放有图片/视频的文件夹，或具体的图片和视频，详情查看README.md文件

python detect.py --weights runs/train/exp/weights/best.pt --source datasets/

具体参数相关如下：

python detect.py --source file.jpg  # 图片

                     file.mp4  # 视频

                     path/  # 文件夹下所有媒体图片 视频

最终生成的训练和测试相关的文件数据保存在runs下的两个文件夹内：