深度学习训练营之yolov5训练自己的数据集

深度学习训练营之训练自己的数据集

原文链接

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍦 参考文章：365天深度学习训练营-第Y2周:训练自己的数据集
• 🍖 原作者：K同学啊|接辅导、项目定制

环境介绍

• 语言环境：Python3.9.13
• 编译器：vscode
• 深度学习环境：torch
• 显卡:NVIDIA GeForce RTX 3070 Laptop GPU

准备好数据集

我这里采用的数据集是经典的目标检测算法当中的一个数据集,这里附上链接:
文件提取:链接：https://pan.baidu.com/s/1SuNxOTCgrQlqXWK_cRzCZQ
提取码：0909

文件夹下内容:

划分数据集

运行如下命令进行数据集的划分

python split_train_val.py --xml_path D:\yolov5-master\yolov5-master\my_data\Annotations --txt_path D:\yolov5-master\yolov5-master\my_data\ImageSets\Main

原始应该是这样

python split_train_val.py --xml_path xx --txt_path xx

其中xx的地方根据相应的路径进行更改,需要注意到的是运行的路径是函数

python split_train_val.py

所在的文件夹下进行运行,否则会报错

在弹出的对话框中进行运行

可以看到已经成功生成了

运行voc_train.py

遇到问题

遇到如下报错

unsupported operand type(s) for +: 'builtin_function_or_method' and 'str'

这里所说的意思应该是指不能将type(s)类型的字符加上一个函数或者方法,我简单查看了一些,是我在定义

abs_path

的时候漏加括号,导致

abs_path

的字符类型出现错误

完整代码

经过调试和更改路径之后得到的代码如下

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
sets =['train','val','test']# 20类
classes =["aeroplane","bicycle","bird","boat","bottle","bus","car","cat","chair","cow","diningtable","dog","horse","motorbike","person","pottedplant","sheep","sofa","train","tvmonitor"]
abs_path=os.getcwd()print(abs_path)# size w,h# box x-min,x-max,y-min,y-maxdefconvert(size, box):
    dw =1./size[0]
    dh =1./size[1]
    x =(box[0]+ box[1])/2.0-1# 中心点位置
    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 # 全部转化为相对坐标return(x, y, w, h)defconvert_annotation(image_id):# 找到2个同样的文件
    in_file =open('Annotations/%s.xml'%(image_id),encoding='UTF-8')
    out_file =open('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
        cls = obj.find('name').text
        if cls notin classes orint(difficult)==1:#difficult ==1 的不要了continue
        cls_id = classes.index(cls)# 排在第几位
        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))# 传入的是w,h 与框框的周边
        b1,b2,b3,b4=b
        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:# ('2012', 'train') 循环5次# 创建目录 一次性ifnot os.path.exists('labels/'):
        os.makedirs('labels/')# 图片的id数据
    image_ids =open('ImageSets/Main/%s.txt'%(image_set)).read().strip().split()# 结果写入这个文件
    list_file =open('%s.txt'%(image_set),'w')for image_id in image_ids:
        list_file.write(abs_path+'/JPEGImages/%s.jpg\n'%(image_id))# 补全路径
        convert_annotation(image_id)
    list_file.close()

(

记录一下

:一开始这个最后的JPEGImages没加斜杠,导致后续报错,这里是添加过后的)
运行

val_voc.py

可以得到三个txt的文件,其内容如下:

创建new_data.yaml文件

这个文件的名称

new_data.yaml

是我自己随便起的一个名字,大家可以自行更改

模型训练时遇到的报错

expected '<document start>', but found '<scalar>'

这里主要的原因是在定义变量的时候我使用的是

=

,但是应该用

:

错误图片:(这里突然发现这个mydata当中trian和val的名字不一样,导致后面一系列的错误,我后面改完之后就行)

更正以后:

models

文件夹下的用于训练的

yolov5s.yaml

把这个原本的分类从80改成20(20是我的数据集的类型)

模型训练

运行如下命令,开始训练

python train.py --img 928--batch 2--epoch 10--data data/new_data.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt 

出现以下报错(没有出现就是成功训练啦)

No labels found in D:\yolov5-master\yolov5-master\my_data\train.cache.

在

train.py

当中更改成绝对路径

new_data.yaml也进行修改

更改

D:\yolov5-master\yolov5-master\utils

当中的

sa

,

sb

的路径

开始运行…

结果可视化

运行结果如下

使用wandb可以看到我们的运行结果的一些可视化

参考链接

• yolov5数据读取报错：train: No labels found in /root/yolov5-master/VOCData/dataSet_path/train.cache
• Python编译报错的自我记录