[发疯毕设日志]用labelimg标注数据集、用yolov5n模型进行训练检测工地人员安全情况 day3

8：07 到达战场

Yolov5训练自定义数据

1.标注图片

使用labelimg等标注工具

yolo格式标签

上图显示的zidane.text文件的各个数据的意思如下

以第一行为例

0 表示该识别出的物体的类别

0.48....0.63....表示识别出的物体的外框的中心点在整个图片中的相对位置

0.69.....0.71....表示该物体所对应的外框的长宽

准备训练

在开始训练时要注意，yolov5文件夹必须与datasets文件夹同级

就是他俩得放一起贴贴。

然后在yolov5里边找到data->coco128.yaml

复制它在粘贴原来的位置，复制品叫coco128-副本.yaml

然后把复制品改个名字

然后把

1. path改成存放数据集的images和labels的文件名CHV_dataset的路径

2，把train换成images文件里train的路径

3.把val换成images文件里val的路径

4.test同理，但也可以不选

选择合适的模型进行训练

选择yolov5n模型，因为它比较轻量化

同样在yolov5文件夹里找到models->yolov5n

复制它然后生成副本，改副本名字

打开副本

把副本中的nc=80改成nc=6（我自己的类别是6，你可以根据你的任务进行调整）

训练

在yolov5文件下新建一个weights文件

从yolov5官网下载几个模型

python .\train.py --data .\data\coco_chv.yaml --cfg .\models\yolov5n_chv.yaml --weights
.\weights\yolov5n.pt --batch-size 20 --epochs 120 --workers 4 --name base_n --project
yolo_test
# yolov5s
python .\train.py --data .\data\coco_chv.yaml --cfg .\models\yolov5s_chv.yaml --weights
.\weights\yolov5s.pt --batch-size 16 --epochs 120 --workers 4 --name base_s --project
yolo_test
# yolov5m
python .\train.py --data .\data\coco_chv.yaml --cfg .\models\yolov5m_chv.yaml --weights
.\weights\yolov5m.pt --batch-size 12 --epochs 120 --workers 4 --name base_m --project
yolo_test
# yolov5n6 1280
python .\train.py --data .\data\coco_chv.yaml --img-size 1280 --cfg
.\models\yolov5n6_chv.yaml --weights .\weights\yolov5n6.pt --batch-size 20 --epochs 120
--workers 4 --name base_n6 --project yolo_test