超级会员免费看
本文档介绍了如何不依赖detectron2，仅使用torch环境训练YOLOv7分割数据集的详细步骤。首先从GitHub克隆项目，安装依赖，然后用labelme标注数据并转换为YOLO格式。接着修改配置文件，包括数据路径、类别数和训练参数，并下载预训练权重。最后执行训练和测试命令，进行模型训练和验证。
基于detectron2的编译难度较大，本次教程抛开detectron2，完全依赖torch环境。
1、下载工程
https://github.com/laitathei/YOLOv7-Pytorch-Segmentation.git
2、安装依赖包
cd YOLOv7-Pytorch-Segmentation
pip install --upgrade pip
pip install -r requirements.txt
pip install labelme
3、准备数据
- Label you dataset image
labelme
4、转换json格式为yolo的训练格式：
现在labelme2yolov7seg.py文件中修改自己的类别名，然后
运行命令：
python labelme2yolov7seg.py --labelme_dataset_dir dataset --train_val_ratio 0.2 --ouput_dataset_dir yolov7_seg_dataset --image_name frame
其中，dataset文件夹中存放的是img和json混合数据，yolov7_seg_dataset文件夹是保存输出数据，
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
