使用YOLOv5训练自己的数据集

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊|接辅导、项目定制

说明

上次使用学习了如何运行yolov5检测自己的数据，这次学习yolov5如何训练自己的数据集
本次记录如何使用yolov5训练自己的数据集以及遇到报错解决方案

数据

使用数据：水果数据集

数据包含了png图片和相应的标注文件

切分数据

代码如下：
其中trainval_percent 和train_percent 代表划分比例
trainval_percent = 1
train_percent = 0.9
代表训练集和验证集为100%，不划分测试集
训练集和验证集为9：1

# coding;utf-8import os
import random
import argparse
parser = argparse.ArgumentParser()#xm1文件的地址，根据自己的数据进行修改 xm1一般存放在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
train_percent =0.9
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)ifnot 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()

处理标注文件

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

sets =['train','val','test']
classes =["banana","snake fruit","dragon fruit","pineapple"]
abs_path = os.getcwd()print(abs_path)defconvert(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

defconvert_annotation(image_id):
    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: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:ifnot os.path.exists('./labels/'):
        os.makedirs('./labels/')
    image_ids =open('./ImageSets/Main/%s.txt'%(image_set)).read().strip().split()
    list_file =open('./%s.txt'%(image_set),'w')for image_id in image_ids:
        list_file.write(abs_path +'/images/%s.png\n'%(image_id))# 注意你的图片格式，如果是.jpg记得修改
        convert_annotation(image_id)
    list_file.close()

运行会生成训练集、验证集、测试集的数据索引文件train.txt，val.txt，test.txt，并归一化标注信息（labels文件夹下）。

编辑xx.yaml文件

内置训练集、验证集的索引文件路径，并且写入数据集所有的类别

train: E:\\pythonProject\\y2_data\\train.txt
val:  E:\\pythonProject\\y2_data\\val.txt
nc:4# number of classes
names:['banana','snake fruit','dragon fruit','pineapple']# 改成自己的类别

开始训练自己的数据

这里依旧使用的是Anaconda Prompt

python  C:\Users\hepei\dl\yolov5-master\train.py --img 720--batch 2--epoch 60--data C:\Users\hepei\dl\yolov5-master\data\test.yaml --cfg  C:\Users\hepei\dl\yolov5-master\models\yolov5s.yaml --weights weights/yolov5s.pt

报错1

ImportError: Bad git executable.

按照报错信息找到git下的cmd文件，添加下方代码

os.environ['GIT_PYTHON_REFRESH']='quiet'

问题解决

报错2

AssertionError: train: All labels empty in E:\pythonProject\y2_data\train.cache, can not start training. See https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data

原因时因为voc_label没有正常生成标签

罪魁祸首是大小写问题，类别开头大写就无法生成标签，labels中的txt文件都是空的，改称小写就好了

classes = ["banana", "snake fruit", "dragon fruit", "pineapple"]

报错3

ImportError: The _imagingft C module isnot installed

或者

ImportError: cannot import name 'Image'from'PIL'(unknown location)

重装pillow：

pip uninstall pillow

pip install pillow

可以解决问题

成功运行

训练过程

训练结果

根据保存位置找到结果文件

看一看效果