在Linux上使用yolov7训练自己的数据集【从零开始的教程】

随机森林404

已于 2023-08-16 18:08:39 修改

阅读量1k

点赞数

文章标签： YOLO

于 2023-08-16 18:03:03 首次发布

本文链接：https://blog.youkuaiyun.com/qq_65966646/article/details/132302987

版权

yolov7的文件夹打开之后是这个样子啦

VOC   格式一张图片对应一个xml文件

COCO  目录是直接将所有图片以及对应的box信息写在了一个json文件里

YOLO  数据集会直接把每张图片标注的标签信息保存到一个txt文件中

已经标注好的yolo格式数据集会按照以下格式进行存放

train.txt

val.txt

网上有很多几种格式互相转换的教程

// coco.yaml 中放的是yolo的数据集【训练集、验证集和测试集】，以txt文件保存

在Linux中使用vi命令进入yaml文件进行修改

、、
vi coco.yaml
、、

改完之后这个样子

下面分别为训练集、验证集、测试集路径，将其修改为自己所存放数据的路径

修改过后

// 训练中模型的参数定义，采用yaml文件【注意是training下的yaml，不是deploy下的】，可以用于模型的选择

路径 cfg cfg/training/yolov7.yaml

最好自己cp一个yolov7.yaml文件，然后修改配置

github上检测的原指令是介个样子滴，如果不训练自己的数据集可以直接用这串命令在Linux上运行

、、
python detect.py --weights yolov7.pt --conf 0.25 --img-size 640 --source inference/images/horses.jpg
、、

要使用自己的数据集的话在detect.py文件里可以看到需要改这两个地方

命令只需要在两个地方进行修改，conf和img-size想改就改，我依旧使用默认值

在runs/train/exp/weights文件夹里面保存了这次训练结束后整个网络模型的权重

自己选一个，将上面的命令改一改

设置好后就可以运行了，如果一切顺利的话，就可以等模型训练完成。

如果没有改代码其他设置，我们就可以在runs/train/exp文件夹下获取这次训练的结果

看看结果