Yolo自制detect训练

Install

把代码拉下来

GitHub - ultralytics/yolov5 at v5.0

然后

pip install -r requirements.txt

安装完了，运行一下detect.py即可

结果会保存在对应的目录下

Intro

├── data：主要是存放一些超参数的配置文件（这些文件（yaml文件）是用来配置训练集和测试集还有验证集的路径的，其中还包括目标检测的种类数和种类的名称）；还有一些官方提供测试的图片。如果是训练自己的数据集的话，那么就需要修改其中的yaml文件。但是自己的数据集不建议放在这个路径下面，而是建议把数据集放到yolov5项目的同级目录下面。

├── models：里面主要是一些网络构建的配置文件和函数，其中包含了该项目的四个不同的版本，分别为是s、m、l、x。从名字就可以看出，这几个版本的大小。他们的检测测度分别都是从快到慢，但是精确度分别是从低到高。这就是所谓的鱼和熊掌不可兼得。如果训练自己的数据集的话，就需要修改这里面相对应的yaml文件来训练自己模型。

├── utils：存放的是工具类的函数，里面有loss函数，metrics函数，plots函数等等。

├── weights：放置训练好的权重参数。

├── detect.py：利用训练好的权重参数进行目标检测，可以进行图像、视频和摄像头的检测。

├── train.py：训练自己的数据集的函数。

├── test.py：测试训练的结果的函数。

├──requirements.txt：这是一个文本文件，里面写着使用yolov5项目的环境依赖包的一些版本，可以利用该文本导入相应版本的包。

数据集准备

数据集标注

Labelimg是一款开源的数据标注工具，可以标注三种格式。

       1  VOC标签格式，保存为xml文件。

       2  yolo标签格式，保存为txt文件。

       3 createML标签格式，保存为json格式。

安装工具

sudo apt-get install pyqt5-dev-tools
pip install lxml
git clone https://github.com/tzutalin/labelImg.git
cd labelImg
make all
python3 labelImg.py  #打开labelImg
python3 labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

运行： 

目录准备

这里我建议新建一个名为VOC2007的文件夹（这个是约定俗成，不这么做也行），

里面创建一个名为JPEGImages的文件夹存放我们需要打标签的图片文件；

再创建一个名为Annotations存放标注的标签文件；

最后创建一个名为predefined_classes.txt 的txt文件来存放所要标注的类别名称。

VOC2007的目录结构为࿱