Yolov5训练自己的数据集
发布时间：2023-04-10 12:00
本文介绍了如果通过Yolov5框架训练自己的数据集，主要内容包括数据集格式、数据集拆分方法、描述文件修改以及训练和测试方法。
还没有搭建Yolov5环境的可以参考我上一篇博文：
Yolov5目标检测环境搭建过程（Cuda+Pytorch+Yolov5）
本文描述的所有代码均已放到Github上，感兴趣的可以直接下载：
（后续放上）
一、准备材料：图片集，标签集
1、没有标签的需要先使用labelimg工具制作标签，比较简单，具体制作方法可以参考以下链接
https://blog.csdn.net/weixin_44403922/article/details/110914740
2、标签格式转换
labelimg工具生成的标签是xml格式的，之前的目标检测框架用的都是xml格式，但是yolov5框架使用的是txt格式，所以第一步需要将xml格式的标签转换为txt格式
将xml数据标签转换为yolo所需的txt格式标签，用以下转换代码voctoyolo.py进行转换就行。
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
def convert(size, box):
x_center = (box[0] + box[1]) / 2.0
y_center = (box[2] + box[3]) / 2.0
x = x_center / size[0]
y = y_center / size[1]
w = (box[1] - box[0]) / size[0]
h = (box[3] - box[2]) / size[1]
return (x, y, w, h)
def convert_annotation(xml_files_path, save_txt_files_path, classes):
xml_files = os.listdir(xml_files_path)
print(xml_files)
for xml_name in xml_files:
print(xml_name)
xml_file = os.path.join(xml_files_path, xml_name)
out_txt_path = os.path.join(save_txt_files_path, xml_name.split('.')[0] + '.txt')
out_txt_f = open(out_txt_path, 'w')
tree = ET.parse(xml_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
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))
# b=(xmin, xmax, ymin, ymax)
print(w, h, b)
bb = convert((w, h), b)
out_txt_f.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
if __name__ == "__main__":
classes = ['blackgan', 'mei']
# 1、voc格式的xml标签文件路径
xml_files1 = r'D:\2021file\Biye\yolov5-master\VOC2007\Annotations'
# 2、转化为yolo格式的txt标签文件存储路径
save_txt_files1 = r'D:\2021file\Biye\yolov5-master\VOC2007\labels'
convert_annotation(xml_files1, save_txt_files1, classes)
网上的有的报错：ttributeError: 'NoneType' object has no attribute 'text'
可能是因为下面这行代码（我看有的写的是Difficult，改成difficult就不报错了）
difficult = obj.find('difficult').text
生成后的标签在VOC2007/labes文件下，如下图所示：
3、手动分割训练集、测试集
将xml转换为txt后，我们对数据集进行手动分割，将图片和标签放到对应的文件夹下，文件组成如下：
注意放入文件中的images和labels要能一一对应
备注：
由于之前在yolov3训练VOC数据时会通过代码生成train、trainval、val、test四个txt描述文件，对数据集进行分割（yolov3目标检测搭建过程可以查看我另一篇博文，后续放上），所以我看网上很多教程都是先生成以上文件，然后通过以上文件再转换得到label的txt文件，但是最后发现代码并不能使用train、val，所以最后我放弃了自动分割数据集的方法，直接采用手动分割的方式。
二、描述文件修改
1、对data文件夹下的voc.yaml文件进行修改，我直接复制了副本并将文件名修改为myvoc.yaml
其中，train和val分别对应刚刚建立的放置图片的文件夹路径
nc为类别数
names中为对应的类别名称
其余内容均可删掉
2、对models文件夹下的yolov5.yaml文件进行修改（我们采用yolov5s.pt作为初始模型，在其基础上进行训练，所以要对yolov5.yaml中的参数进行修改）
只需要修改类别数即可
三、训练
1、我们对train.py中对应的路径进行修改
将yolov5s.pt、yolov5s.yaml、myvoc.yaml对应的路径修改即可
2、最后运行train.py文件开始训练，若报错内存容量不足，可将其中的batch-size修改小一点
通过tensorboard查看训练过程：
点击Terminal，输入命令
tensorboard --logdir="runs/train/exp11"
其中，runs/train/exp11自动生成的文件夹，里面保存了训练过程文件，exp11是我这里最新的文件，因为每运行一次程序都会生成一个新的文件，所以需要对runs/train查看最新的文件即为当前对应的训练文件，执行命令后点击生成的http://localhost:6006/进入浏览器查看
训练过程：
训练结果：
四、测试
训练完成后在runs\train\exp11\weights文件夹中会保存训练好的权重，一共两个，一个是最后一轮保存的，一个是训练过程中最优的一次保存的，我们选择best.pt
在detect中修改对应的权重路径：
1、测试文件夹下的所有图片
data\images\mytestdata里面是我放的测试图片，一共放了五张，程序会自动检测文件夹下的所有图片，并保存在runs\detect\exp中
2、为了方便调用，自己写了一个直接读取图片然后输出结果的代码mydetect.py
from numpy import random
import torch
from models.experimental import attempt_load
from utils.datasets import LoadStreams, LoadImages
from utils.general import (
check_img_size, non_max_suppression, apply_classifier, scale_coords,
xyxy2xywh, strip_optimizer, set_logging)
from utils.torch_utils import select_device, load_classifier
import os
import shutil
# Initialize
set_logging()
device = select_device('')
half = device.type != 'cpu' # half precision only supported on CUDA
# Load model
model = attempt_load('models/yolov5s.pt', map_location=device) # load FP32 model
imgsz = check_img_size(512, s=model.stride.max()) # check img_size
if half:
model.half() # to FP16
# Get names and colors
names = model.module.names if hasattr(model, 'module') else model.names
colors = [[random.randint(0, 255) for _ in range(3)] for _ in range(len(names))]
img = torch.zeros((1, 3, imgsz, imgsz), device=device) # init img
_ = model(img.half() if half else img) if device.type != 'cpu' else None # run once
def PoseDect(path, imgsz=512):
res = []
dataset = LoadImages(path, img_size=imgsz)
for path, img, im0s, vid_cap in dataset:
img = torch.from_numpy(img).to(device)
img = img.half() if half else img.float() # uint8 to fp16/32
img /= 255.0 # 0 - 255 to 0.0 - 1.0
if img.ndimension() == 3:
img = img.unsqueeze(0)
# Inference
#t1 = time_synchronized()
pred = model(img, augment=False)[0]
# Apply NMS
pred = non_max_suppression(pred, 0.4, 0.5, classes=None, agnostic=False)
# Process detections
for i, det in enumerate(pred): # detections per image
gn = torch.tensor(im0s.shape)[[1, 0, 1, 0]] # normalization gain whwh
if det is not None and len(det):
# Rescale boxes from img_size to im0 size
det[:, :4] = scale_coords(img.shape[2:], det[:, :4], im0s.shape).round()
for *xyxy, conf, cls in reversed(det):
x, y, w, h = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist()
res.append([names[int(cls)], float(conf), x, y, w, h])
return res
if __name__ == '__main__':
path = r'D:\2021file\Biye\yolov5-master\data\images\bus.jpg'
s = PoseDect(path=path)
print(s)
import cv2
img = cv2.imread(r'D:\2021file\Biye\yolov5-master\data\images\bus.jpg')
for box in s:
cla,p=box[:2]
x1, y1, x2, y2 = box[2:]
# 映射原图尺寸
x = int(x1 * img.shape[1])
y = int(y1 * img.shape[0])
w = int(x2 * img.shape[1])
h = int(y2 * img.shape[0])
# 计算出左上角和右下角：原x,y是矩形框的中心点
a = int(x - w / 2)
b = int(y - h / 2)
c = int(x + w / 2)
d = int(y + h / 2)
print(x1, y1, x1 + x2, y1 + y2)
print(x, y, x + w, y + h)
print(a, b, c, d)
cv2.rectangle(img, (a, b), (c, d), (255, 0, 0), 2)
cv2.putText(img, cla+":"+str(round(p, 2)), (a+5, b+20), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255,0), 1)
cv2.imshow('dst', img)
cv2.waitKey()
cv2.destroyAllWindows()