Yolo-Fastestv2训练及部署自己的数据集

Yolo-Fastestv2训练及部署自己的数据集

---

训练流程

一、配置环境

1.下载代码

git clone https://github.com/dog-qiuqiu/Yolo-FastestV2.git

2.创建虚拟环境，在虚拟环境下安装相关python依赖包

pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple #采用国内源，速度较快 

3.测试能否正常使用

python test.py --data data/coco.data --weights modelzoo/coco2017-0.241078ap-model.pth --img img/000139.jpg

二、数据集建立

1.数据集格式

数据集的格式是Yolo格式，每个图像对应一个.txt标签文件cx，cy，w，h。cx，cy是标签框的中心点的坐标，w，h是标签框的宽度和高度。示例如下：

0 0.410156 0.317708 0.807813 0.631250

2.图像与标签位置

数据集图像与对应的标签文件具有同样的名字，存储在同一目录中。结构如下：

 -train
   - 001.jpg
   - 001.txt
   - 002.jpg
   - 002.txt
 -val
   - 003.jpg
   - 003.txt
 -test
   - 004.jpg
   - 004.txt

3.生成数据集路径.txt文件

路径是图像的绝对路径，示例如下：

/home/dataset/train/001.jpg

python实现：

import os
images_path='/home/dataset/train/' 
txt_path='/home/dataset/train.txt'
with open(txt_path,'w') as f:
    files_name=os.listdir(images_path)
    f.truncate()
    for name in files_name:
        if name.endswith('.jpg'):
            f.write(images_path+name)
            f.write('\n')
f.close()

4.生成.names类别标签

./data/coco.names修改成自己数据集的类别。

5.最终构建的数据集目录结构

 -train
   - 001.jpg
   - 001.txt
   - 002.jpg
   - 002.txt
 -train.txt
 -val
   - 003.jpg
   - 003.txt
 -val.txt
 -test
   - 004.jpg
   - 004.txt
 -test.txt

三、训练

1.根据当前数据集生成锚点anchors

计算适应数据集的anchors，将输出值替换coco.data中的anchors

python genanchors.py --traintxt /home/dataset/train.txt

anchors6.txt文件将在当前目录中生成，anchors6.txt的示例内容如下：

12.64,19.39, 37.88,51.48, 55.71,138.31, 126.91,78.23, 131.57,214.55, 279.92,