yolov5 训练自己的数据集并进行训练

yolov5 训练自己的数据集并进行训练

github地址 :https://github.com/ultralytics/yolov5

1、环境安装

存在的困难：

pycocotools的安装

解决方法：

1、安装Git
2、在Git Bash下运行：

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

还存在问题的话再安装：

Visual C++ Build Tools

2、数据准备

2.1

首先从github上下载下来YOLOv5，将其命名为yolov5
然后在data目录下新建Annotations, images, ImageSets, labels 四个文件夹

文件夹结构：
data
── Annotations  存在pascal-voc格式的标注文件
── images  存放 .jpg 格式的图片文件
── ImageSets  存放的是分类和检测的数据集分割文件，包含train.txt, val.txt,trainval.txt,test.txt
── labels  存放label标注信息的txt文件，与图片一一对应
~

models
runs
utils
weights
~

备注（ImageSets文件夹的结构）：
ImageSets(train，val，test建议按照8：1：1比例划分)
── train.txt  写着用于训练的图片名称
── val.txt  写着用于验证的图片名称
── trainval.txt  train与val的合集
── test.txt  写着用于测试的图片名称

2.2

1、利用精灵标注助手对图像进行标注
2、导出pascal-voc格式的标注文件
3、利用python程序生成对应的txt文件
4、再利用python程序生成存放训练、验证、测试的数据集分割文件，包含train.txt, val.txt,trainval.txt,test.txt
备注：3、4两步可以在优快云上找相应的代码

3、修改参数

3.1 把coco.yaml复制一份命名为test.yaml，再修改其中的nc（类别数目）、names（类别名称）
3.2 修改models文件夹中所使用模型（例如：yolov5s.yaml）中的nc
3.3 修改train.py文件

parser = argparse.ArgumentParser()
    # 加载权重文件
    parser.add_argument('--weights', type=str, default='yolov5s.pt', help='initial weights path')
    # 模型配置文件使用修改好的yolov5s.yaml文件
    parser.add_argument('--cfg', type=str, default='yolov5s.yaml', help='model.yaml path')
    # 使用数据集中的test.yaml文件
    parser.add_argument('--data', type=str, default='data/test.yaml', help='data.yaml path')

运行程序……

运行结果会保存在run/train…中