使用yolov5训练自己的目标检测数据集
使用yolov5訓練自己的目標檢測數(shù)據(jù)集
yolov4出來后不久，又出現(xiàn)了yolov5，沒有論文。雖然作者沒有放上和yolov4的直接測試對比，但在COCO數(shù)據(jù)集的測試效果還是很可觀的。很多人考慮到Y(jié)OLOv5的創(chuàng)新性不足，對算法是否能夠進化，因此yolov5的名頭仍有爭議。但是既然github上有如此多的star，說明還是受到大多數(shù)人認可的一個工程。
并且yolov5是十分容易上手使用的一個目標檢測開源項目，只需要改幾個文件，配置好自己的數(shù)據(jù)集格式和目錄結(jié)構(gòu)，即可開始訓練，對新手十分友好。可以先把訓練跑起來，在根據(jù)需要去細扣其中的模塊設(shè)計。
并且，yolov5項目一直在更新維護，除了日常處理bug，還有更優(yōu)算法的版本（如激活函數(shù)的更新）更迭和新的訓練可視化工具wandb的加入等，這也是十分難得的。
今天，筆者就來介紹一下自己第一次使用yolov5訓練自己的數(shù)據(jù)集的過程。
工程項目準備
PyTorch等其他依賴的安裝這里就不說了，網(wǎng)上有很多教程。
首先從yolov5 github上克隆下代碼：
git clone https://github.com/ultralytics/yolov5.git然后從github下載預訓練權(quán)重(.pt文件)，沒有百度云版本，這里筆者提供下載好的權(quán)重文件放到云盤（密碼: afp3）供不方便的朋友直接下載。下載好后放到y(tǒng)olov5/weights文件夾下。
數(shù)據(jù)集準備
yolov5項目所需的數(shù)據(jù)集文件路徑格式如下：
---yolov5 ---yolo_data---train---images---labels---val---images---labels---data.yaml數(shù)據(jù)集文件夾放在與工程文件同級的目錄下。其中包含兩個子文件夾和一個配置文件data.yaml，兩個子文件夾分別存放訓練樣本和驗證樣本，注意images和labels文件夾的名字不要改。
先說一下data.yaml配置文件內(nèi)的內(nèi)容
train: ../yolo_data/train val: ../yolo_data/valnc: [你的檢測數(shù)據(jù)集的類別數(shù)] names: [你的檢測數(shù)據(jù)集的類別名稱列表]共有四個鍵值對，train，val，nc，names，分別對應(yīng)如下表：
| train | 你的訓練數(shù)據(jù)的文件夾路徑 |
| val | 你的驗證數(shù)據(jù)的文件夾路徑 |
| nc | 你的檢測數(shù)據(jù)集的類別數(shù)（如COCO數(shù)據(jù)集中nc=80） |
| names | 你的檢測數(shù)據(jù)集的類別名稱列表（如：[‘plane’, ‘car’, ‘dog’, …]） |
然后說一下數(shù)據(jù)集格式的要求：
在train/val目錄下要有images和labels兩個目錄，分別存放圖像和標簽，其中的文件名要相互對應(yīng)，分別為.jpg格式和.txt格式，即：
---train---imagesaaaa.jpg ...---labelsaaaa.txt...其中圖像不必多說，放入你的數(shù)據(jù)集圖像即可，而標簽label目錄下的txt文件要求格式如下：
類別索引 x y w h 0 0.53857421875 0.8779296875 0.158203125 0.06184895833333333第一列是圖像中每個object的類別索引，注意這里要與data.yaml配置文件中的names相互對應(yīng)。后面四個列就是該object的檢測框坐標了，這里采用的是經(jīng)過歸一化的中心長寬xywh格式，如果你的數(shù)據(jù)集原生不是這種格式（如對角坐標xyxy）的話，請注意調(diào)整。
開始訓練
直接運行yolov5/train.py即可，注意配置好參數(shù)
python train.py \ --data ../yolo_data/data.yaml \ --cfg models/yolov5s.yaml \ --weights weights/yolov5s.yaml \ --batch-size 8 \ --epochs 100yolov5最近一次更新增加了wandb（weights and biases，其官網(wǎng)，直接訪問不太穩(wěn)定，建議科學上網(wǎng)訪問）訓練可視化工具，沒有安裝的話需要先安裝一下，直接pip安裝即可
pip install wandb第一次使用的話會需要注冊賬號，訪問站點https://wandb.ai/authorize，拿到API Key，復制到終端中即可，首次綁定API Key賬號后再訓練就不在需要輸入API Key了，直接將訓練可視化結(jié)果送到你的wandb賬號，可在該站點登錄查看。
不僅有訓練過程可視化，loss曲線等
甚至還有訓練過程中系統(tǒng)的信息的展示：
還是非常簡單實用的一個訓練可視化工具。
訓練完成后再yolov5/runs/train/exp文件夾下可查看一些結(jié)果PR曲線，F1曲線等，還有一些樣本可視化的結(jié)果。
可以看到效果還是可以的（我這個數(shù)據(jù)集只有豬仔一個類 ^^可愛小豬仔）。
測試
訓練完成后可以運行yolov5.detect.py文件，指定一個文件夾，測試其中的圖像。
python detect.py \ --weights runs/train/exp/weights/best.pt \ --source ../images/test \ --save-txt如果設(shè)置打開–save-txt，則會保存結(jié)果文件。
測試結(jié)果會保存在yolov5/runs/detect內(nèi)。txt結(jié)果文件則會保存在yolov5/runs/detect/labels內(nèi)。
使用yolov5訓練自己的數(shù)據(jù)集就先介紹到這里，如果有問題歡迎留言討論。
總結(jié)
以上是生活随笔為你收集整理的使用yolov5训练自己的目标检测数据集的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
