【tph-yolov5】使用tph-Yolov5训练自己的数据集

一、环境配置及源代码运行

推荐参考我前一篇博客

二、数据集准备

1、新建数据集文件夹dataset
因为其他项目还要用到这个数据，所以我这里是单独建了一个数据集文件夹，没这个要求的可讲文件夹直接放在你的TPH-Yolov5目录下。
2、在dataset下新建两个文件夹images和annotations
**images:**用于存放要标准的图片（jpg格式）；
**annotations:**用于存放图片标注文件，采用voc格式。
3、图片重命名
因为原始图片命名比较乱，这里我在数据标准前先将数据统一命名，也方便后面数据检查。
重命名前图片名称
重命名后图片名称

三、使用labelImg标注图片

1.安装labelImg
labelImg官方下载连接
官方提供了各种安装方法，本人直接下载了打包软件。如果你无法进入github，这里给出了百度网盘链接。
标注文件链接：https://pan.baidu.com/s/1hFX4j_dZAamU9YIEp3uiZA
提取码：70al
2.使用labelImag
官方安装版本运行比较麻烦，请按照官方说明文件进行。建议直接下载我给的链接文件，点开后可直接运行。

1. 自动保存标注文件
   点击上面导航栏view，勾选auto saving自动保存，标注文件存储格式可自行选择，默认为XML格式，可更改为yolo，这里因为其他项目需求直接使用默认格式，后面再转为yolo。
   
2. 物体标注
   点击左方边栏或者屏幕右键选择Create RectBox即可进行标注。标注物体时尽可能拟合物体外框就行，具体要求参考个人项目标准。
   
3. 快捷键推荐
   A：移动到上一张图片
   D：移动到下一张图片
   W：标注图片

四、划分数据集以及修改配置文件

1、划分训练集、验证集、测试集
程序如下：

# coding:utf-8

import os
import random
import argparse

parser = argparse.ArgumentParser()
#xml文件的地址，根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument(\'--xml_path\', default=\'Annotations\', type=str, help=\'input xml label path\')
#数据集的划分，地址选择自己数据下的ImageSets/Main
parser.add_argument(\'--txt_path\', default=\'ImageSets/Main\', type=str, help=\'output txt label path\')
opt = parser.parse_args()

trainval_percent = 1.0  # 训练集和验证集所占比例。 这里没有划分测试集
train_percent = 0.9     # 训练集所占比例，可自己进行调整
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
    os.makedirs(txtsavepath)

num = len(total_xml)
list_index = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train = random.sample(trainval, tr)

file_trainval = open(txtsavepath + \'/trainval.txt\', \'w\')
file_test = open(txtsavepath + \'/test.txt\', \'w\')
file_train = open(txtsavepath + \'/train.txt\', \'w\')
file_val = open(txtsavepath + \'/val.txt\', \'w\')

for i in list_index:
    name = total_xml[i][:-4] + \'\\n\'
    if i in trainval:
        file_trainval.write(name)
        if i in train:
            file_train.write(name)
        else:
            file_val.write(name)
    else:
        file_test.write(name)

file_trainval.close()
file_train.close()
file_val.close()
file_test.close()

划分后结果如图，这里我没有单独划分测试集，有需要的朋友可自行修改。

2、XML格式转yolo_txt格式
代码如下：（可按照注释进行修改）

# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET
import os
from os import getcwd

sets = [\'train\', \'val\', \'test\']
classes = [\"meter\"]   # 改成自己的类别
abs_path = os.getcwd()
print(abs_path)

def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[1]) / 2.0 - 1
    y = (box[2] + box[3]) / 2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return x, y, w, h

def convert_annotation(image_id):
#输入输出文件夹，根据实际情况进行修改
    in_file = open(\'/home/hm/LFY/dataset/annotations/%s.xml\' % (image_id), encoding=\'UTF-8\')
    out_file = open(\'/home/hm/LFY/dataset/labels/%s.txt\' % (image_id), \'w\')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find(\'size\')
    w = int(size.find(\'width\').text)
    h = int(size.find(\'height\').text)
    for obj in root.iter(\'object\'):
        difficult = obj.find(\'difficult\').text
        #difficult = obj.find(\'Difficult\').text
        cls = obj.find(\'name\').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find(\'bndbox\')
        b = (float(xmlbox.find(\'xmin\').text), float(xmlbox.find(\'xmax\').text), float(xmlbox.find(\'ymin\').text),
             float(xmlbox.find(\'ymax\').text))
        b1, b2, b3, b4 = b
        # 标注越界修正
        if b2 > w:
            b2 = w
        if b4 > h:
            b4 = h
        b = (b1, b2, b3, b4)
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + \" \" + \" \".join([str(a) for a in bb]) + \'\\n\')

wd = getcwd()
for image_set in sets:
    if not os.path.exists(\'/home/hm/LFY/dataset/labels/\'):
        os.makedirs(\'/home/hm/LFY/dataset/labels/\')
#上一步得到的文件名称
    image_ids = open(\'/home/hm/LFY/dataset/split/demo/%s.txt\' % (image_set)).read().strip().split()
#生成yolo标注文件的绝对路径，方便之后模型读取图片和标签  
    if not os.path.exists(\'/home/hm/LFY/dataset/dataSet_path/\'):
        os.makedirs(\'/home/hm/LFY/dataset/dataSet_path/\')
     
    list_file = open(\'dataSet_path/%s.txt\' % (image_set), \'w\')
    # 这行路径不需更改，这是相对路径
    for image_id in image_ids:
        list_file.write(\'/home/hm/LFY/dataset/images/%s.jpg\\n\' % (image_id))
        convert_annotation(image_id)
    list_file.close()

转换完之后会生成一个labels文件夹，里面为不同图像yolo格式的标注文件。每个图像都对应一个txt文件，文件每一行为一个目标信息，第一列为目标类别，往后依次是x_center, y_center, width, height。

dataSet_path文件夹包含三个数据集的txt文件，train.txt等txt文件为划分后图像所在位置的绝对路径，如train.txt就含有所有训练集图像的绝对路径。

存储了图片的绝对路径，可按照自己的需求更改。

3、配置文件
在tph-yolov5目录的data文件夹下新建一个dataset.yaml文件（自定义命名），用记事本打开。输入内容：训练集以及验证集（train.txt和val.txt）的绝对路径（前一步通过xml_to_yolo.py生成的），然后就是目标的类别数目和类别名称。

给出模板：冒号后面需要加空格

train: D:/Yolov5/yolov5/VOCData/dataSet_path/train.txt
val: D:/Yolov5/yolov5/VOCData/dataSet_path/val.txt

# number of classes
nc: 2

# class names
names: [\"light\", \"post\"]

4、聚类获得先验框

• 4.1生成anchors文件

在dataset目录下创建两个程序kmeans.py和clauculate_anchors.py，不需要运行 kmeans.py，运行 clauculate_anchors.py 即可。
kmeans.py 程序如下：这不需要运行，也不需要更改。

import numpy as np

def iou(box, clusters):
    \"\"\"
    Calculates the Intersection over Union (IoU) between a box and k clusters.
    :param box: tuple or array, shifted to the origin (i. e. width and height)
    :param clusters: numpy array of shape (k, 2) where k is the number of clusters
    :return: numpy array of shape (k, 0) where k is the number of clusters
    \"\"\"
    x = np.minimum(clusters[:, 0], box[0])
    y = np.minimum(clusters[:, 1], box[1])
    if np.count_nonzero(x == 0) > 0 or np.count_nonzero(y == 0) > 0:
        raise ValueError(\"Box has no area\")    # 如果报这个错，可以把这行改成pass即可

    intersection = x * y
    box_area = box[0] * box[1]
    cluster_area = clusters[:, 0] * clusters[:, 1]

    iou_ = intersection / (box_area + cluster_area - intersection)

    return iou_

def avg_iou(boxes, clusters):
    \"\"\"
    Calculates the average Intersection over Union (IoU) between a numpy array of boxes and k clusters.
    :param boxes: numpy array of shape (r, 2), where r is the number of rows
    :param clusters: numpy array of shape (k, 2) where k is the number of clusters
    :return: average IoU as a single float
    \"\"\"
    return np.mean([np.max(iou(boxes[i], clusters)) for i in range(boxes.shape[0])])

def translate_boxes(boxes):
    \"\"\"
    Translates all the boxes to the origin.
    :param boxes: numpy array of shape (r, 4)
    :return: numpy array of shape (r, 2)
    \"\"\"
    new_boxes = boxes.copy()
    for row in range(new_boxes.shape[0]):
        new_boxes[row][2] = np.abs(new_boxes[row][2] - new_boxes[row][0])
        new_boxes[row][3] = np.abs(new_boxes[row][3] - new_boxes[row][1])
    return np.delete(new_boxes, [0, 1], axis=1)


def kmeans(boxes, k, dist=np.median):
    \"\"\"
    Calculates k-means clustering with the Intersection over Union (IoU) metric.
    :param boxes: numpy array of shape (r, 2), where r is the number of rows
    :param k: number of clusters
    :param dist: distance function
    :return: numpy array of shape (k, 2)
    \"\"\"
    rows = boxes.shape[0]

    distances = np.empty((rows, k))
    last_clusters = np.zeros((rows,))

    np.random.seed()

    # the Forgy method will fail if the whole array contains the same rows
    clusters = boxes[np.random.choice(rows, k, replace=False)]

    while True:
        for row in range(rows):
            distances[row] = 1 - iou(boxes[row], clusters)

        nearest_clusters = np.argmin(distances, axis=1)

        if (last_clusters == nearest_clusters).all():
            break

        for cluster in range(k):
            clusters[cluster] = dist(boxes[nearest_clusters == cluster], axis=0)

        last_clusters = nearest_clusters

    return clusters

if __name__ == \'__main__\':
    a = np.array([[1, 2, 3, 4], [5, 7, 6, 8]])
    print(translate_boxes(a))

运行clauculate_anchors.p后，会调用kmeans.py聚类生成新的anchors。

# -*- coding: utf-8 -*-
# 根据标签文件求先验框

import os
import numpy as np
import xml.etree.cElementTree as et
from kmeans import kmeans, avg_iou

FILE_ROOT = \"D:/Yolov5/yolov5/VOCData/\"     # 根路径
ANNOTATION_ROOT = \"Annotations\"   # 数据集标签文件夹路径
ANNOTATION_PATH = FILE_ROOT + ANNOTATION_ROOT

ANCHORS_TXT_PATH = \"D:/Yolov5/yolov5/VOCData/anchors.txt\"   #anchors文件保存位置

CLUSTERS = 9
CLASS_NAMES = [\'light\', \'post\']   #类别名称

def load_data(anno_dir, class_names):
    xml_names = os.listdir(anno_dir)
    boxes = []
    for xml_name in xml_names:
        xml_pth = os.path.join(anno_dir, xml_name)
        tree = et.parse(xml_pth)

        width = float(tree.findtext(\"./size/width\"))
        height = float(tree.findtext(\"./size/height\"))

        for obj in tree.findall(\"./object\"):
            cls_name = obj.findtext(\"name\")
            if cls_name in class_names:
                xmin = float(obj.findtext(\"bndbox/xmin\")) / width
                ymin = float(obj.findtext(\"bndbox/ymin\")) / height
                xmax = float(obj.findtext(\"bndbox/xmax\")) / width
                ymax = float(obj.findtext(\"bndbox/ymax\")) / height

                box = [xmax - xmin, ymax - ymin]
                boxes.append(box)
            else:
                continue
    return np.array(boxes)

if __name__ == \'__main__\':

    anchors_txt = open(ANCHORS_TXT_PATH, \"w\")

    train_boxes = load_data(ANNOTATION_PATH, CLASS_NAMES)
    count = 1
    best_accuracy = 0
    best_anchors = []
    best_ratios = []

    for i in range(10):      ##### 可以修改，不要太大，否则时间很长
        anchors_tmp = []
        clusters = kmeans(train_boxes, k=CLUSTERS)
        idx = clusters[:, 0].argsort()
        clusters = clusters[idx]
        # print(clusters)

        for j in range(CLUSTERS):
            anchor = [round(clusters[j][0] * 640, 2), round(clusters[j][1] * 640, 2)]
            anchors_tmp.append(anchor)
            print(f\"Anchors:{anchor}\")

        temp_accuracy = avg_iou(train_boxes, clusters) * 100
        print(\"Train_Accuracy:{:.2f}%\".format(temp_accuracy))

        ratios = np.around(clusters[:, 0] / clusters[:, 1], decimals=2).tolist()
        ratios.sort()
        print(\"Ratios:{}\".format(ratios))
        print(20 * \"*\" + \" {} \".format(count) + 20 * \"*\")

        count += 1

        if temp_accuracy > best_accuracy:
            best_accuracy = temp_accuracy
            best_anchors = anchors_tmp
            best_ratios = ratios

    anchors_txt.write(\"Best Accuracy = \" + str(round(best_accuracy, 2)) + \'%\' + \"\\r\\n\")
    anchors_txt.write(\"Best Anchors = \" + str(best_anchors) + \"\\r\\n\")
    anchors_txt.write(\"Best Ratios = \" + str(best_ratios))
    anchors_txt.close()

会生成anchors文件。如果生成文件为空，重新运行即可。

• 4.2修改模型配置文件
  在tph-yolov5目录的models文件夹下是模型的配置文件，有很多版本，官方选择的训练版本是yolov5l-xs-tph.yaml，这里我们也同样选用这个版本。
  这里我们需要修改两个参数。
  首先把nc改成自己的标注类别数；然后需要将anchors修改为上一步得到的结果（此处需要取整，向上/向下取整都可）。保持yaml中anchors格式不变，按照顺序一一对应即可。

五、模型训练

1. 开始训练
   回到tph-yolov5目录下查看train.py程序，注意查看weights、cfg、data、hyp、epochs、batchsize、imgsz、device这几个参数，根据实际情况进行修改。
   训练命令：

python train.py --img 1536 --adam --batch 4 --epochs 80 --data ./data/VisDrone.yaml --weights yolov5l.pt --hyp data/hyps/hyp.VisDrone.yaml --cfg models/yolov5l-xs-tph.yaml --name v5l-xs-tph

上面是官方命令，每一项可根据自身实际情况进行修改。
参数解释：
img：这里我暂时不明白，先猜测一下是输入图片大小。
batch、epochs：这个不用多说了
data ：存储训练、测试数据的文件
weights：预训练权重
hyp:一些参数值，可不更改
cfg：网络配置文件
name：命名

• 2.训练过程

下面是我训练的截图，只是一个示范。模型的P、R都是零，可能是其他地方出现了问题，之后在新的博客说明原因。此处只是给出一个可以训练的完整路程。

模型训练结果会存放在yolov5目录下的runs/train/下。
到此一个训练的过程就结束了，后续先解决上面P、R为零的问题。在进行代码的解析和验证以及模型评估。

六、参考链接

Yolov5训练自己的数据集（详细完整版）

七、补充

上课的时候随便随便试了一下，问题解决了。所以决定把测试过程写完结束。

• 相关问题
  1、OOM
  如果出现OOM，可尝试调小图片或者减少batch-size。如果不行可以降低epoch，或者降低线程workes，其默认为8。

建议第一次试用的时候图片数量为50+，epoch在50以上。我这样就解决了上面P、R为零的问题。

图中cls为零，是因为我采用的是单类图片，即图片只有一个类别，所以cls本就为0。
2、重复训练
这里我没遇到，提前写着预备一下，可清除缓存。

• 测试效果

可使用刚刚训练好的模型best.pt来测试，模型存储在tph-yolov5目录下的runs/train/下。

python path/to/detect.py --source path/to/img.jpg --weights yolov5s.pt --img 640

测试结果保存在tph-yolov5/runs/detect/exp下。

到此，基础的跑通就结束了，接下来就是加大数据集然后进行模型优化了。