最近在做畢設(shè)，感覺網(wǎng)上信息不是很全，把自己的訓練過程寫下來供做這個方向的友友學習。只有簡單的復現(xiàn)，其余的還沒探索到。

一、數(shù)據(jù)集以及數(shù)據(jù)預處理

首先就是數(shù)據(jù)集：我用的數(shù)據(jù)集是西工大發(fā)布的數(shù)據(jù)集，NWPU VHR-10

鏈接：https://pan.baidu.com/s/1vfhDU2ORWUpL-aGM1PllGw?
提取碼：d5au

西工大數(shù)據(jù)集有十個類別，有三個文件夾，分別是positive image set（650張圖片），negative image set（150張圖片）和ground truth（650個txt文件）。

negative image set中的影像無對應的地物目標，
positive image set中的影像包括1個及以上對應的地物目標，
ground truth中的txt對應positive image set中地物目標的外接矩形
影像信息：

• image size: 500~1100 * 500~1100 * 3
• image number: 800
• object number: 3,651

標注信息：
10類，共3,651個目標；

• airplane,飛機
• ship,船
• storage tank,儲罐
• baseball diamond,棒球場
• tennis court,網(wǎng)球場
• basketball court,籃球場
• ground track field,地面軌道場
• harbor,港口
• bridge,橋
• vehicle,交通工具

?首先就是要把NWPU VHR-10轉(zhuǎn)換成類似于voc數(shù)據(jù)集的形式然后再轉(zhuǎn)化為yolo格式。

voc文件格式包含文件annotations存放圖片信息、images存放訓練圖片、ImageSets存放圖片訓練信息。

將negative image set、positive image set內(nèi)圖片重新進行順序編號為000001.jpg-000800.jpg，positive image set內(nèi)圖片為000001.jpg-000650.jpg，negative image set內(nèi)圖片為000651.jpg-000800.jpg，然后存放在image文件夾內(nèi)。

數(shù)據(jù)集的annotations文件夾內(nèi)的標注信息xml文件格式相同的xml文件。因為negative image set內(nèi)圖片無對應標注信息，所以只生成包含圖片大小的xml文件。

ImageSets文件夾內(nèi)劃分為train.txt、val.txt、trainval.txt、test.txt四個文件,train代表訓練集信息，val代表驗證集信息，trainval代表訓練集和驗證集合并的數(shù)據(jù)信息，test代表測試集信息。

然后將voc格式轉(zhuǎn)換為yolo格式，在目錄下生成新的labels文件夾，把數(shù)據(jù)集路徑導入txt文件，將每個xml標注信息提取轉(zhuǎn)換為了txt格式，每個圖像對應一個txt文件。

附上我的程序，其中main.py,1.py，2.py，3.py按順序運行，因為后一個可能會用到前一個生成出來的東西的地址，把地址改成自己的地址就行。

鏈接：https://pan.baidu.com/s/1C04y16LIdyby5vhNEzsYSA?
提取碼：iz0r

有個地方出錯了，3.py里面這一行改成底下那一句，少了一個bridge的類，harbor和vehicle之間少了一個，，然后tennis拼錯了

classes = ['airplane','ship','storage tank','baseball diamond','tennis court','basketball court','ground track field','harbor','bridge','vehicle']  # class names

！??！地址很多?。?！而且一定要按照順序來運行，如果不確定能不能生成文件夾，可以自己提前創(chuàng)建，然后直接運行就行，除了地址其余什么都不需要改！?。。?！

?

二、環(huán)境搭建

首先附上yolov5官方源碼，可以自己在Github上面下載，直接在Github上面搜yolov5，下載點贊最多的那個就行。我已經(jīng)下載到我的網(wǎng)盤了，這里附上我的網(wǎng)盤鏈接。

鏈接：https://pan.baidu.com/s/1BENXIeyKgjwyAhnXA_n9Uw?
提取碼：3r9o

yolov5運行需要pytorch和cuda，因為我以前運行過一些神經(jīng)網(wǎng)絡深度學習的算法，所以我的環(huán)境都是已經(jīng)搭建好的，另外如果想提高運行速度，是需要下載GPU的，只用cpu運行速度太慢，但是也能運行。python版本最好是3.7或者3.8，太高好像會報錯，可以在運行前提前降一下python版本。我用的是3.8的conda版本。

如果是純純小白，看這篇博客，安裝環(huán)境

記錄使用Anaconda、Pycharm配置Yolov5環(huán)境全過程

環(huán)境搭建好下一步就是安裝所需要的庫

pip install -r requirements.txt

yolov5自帶一個requirements.txt文件，就是運行時能用到的所有庫，按照上面的語句在終端也就是terminal運行一下就行，雖然一般情況下不會順利完成，安裝不了的就自己手動pip，可以win+r輸入cmd進入命令提示符窗口，輸入pip list，就可以看到所有的庫和版本，對照requirements.txt給定的版本該install的install，該uninstall的uninstall。

三、運行程序

首先需要在data文件夾下創(chuàng)建一個mydata.yaml,像這樣，mydata.yaml是data的子文件。

?mydata.yaml的程序，yaml格式非常嚴格，除地址外的冒號后面都要有一個空格，不然會報錯，（因為這個空格我改了兩個小時），還有?。?！

val，train，test的地址是我們數(shù)據(jù)預處理最后一步生成的地址。

在這里的哦，和文件夾是同級文件，至于兩個.cache文件沒有不用管，這是在訓練的時候生成的，現(xiàn)在沒有是正常的，別整錯了哦。

?

?這是程序，建議大家直接復制改個地址就行。簡單介紹一下，前面三行是地址，后面是類別，最后一個是類別的數(shù)目，也可以根據(jù)自己數(shù)據(jù)集進行修改。

val: G:/csdn/yolov5/nwpu vhr-10/val.txt
train: G:/csdn/yolov5/nwpu vhr-10/train.txt
test: G:/csdn/yolov5/nwpu vhr-10/test.txt
names:
- airplane
- ship
- storage tank
- baseball diamond
- tennis court
- basketball court
- ground track field
- harbor
- bridge
- vehicle
nc: 10

然后就是修改主程序，train.py,在utils文件下

?主要需要修改的部分就是這五個，如果使用的是源碼，只需要把第三行的yaml文件改成Mydata就行。第一行的.pt文件是權(quán)重文件，是可以換的，后面會提到。

接下來就是修改yaml文件，第二行我們使用的是yolo5s.yaml,所以在model/yolov5s.yaml中修改。

?把nc數(shù)改成上面一樣的就行，因為西工大數(shù)據(jù)集只有十個類別，所以我的nc是10。

接下來就可以運行了。

如果出現(xiàn)了連接不到網(wǎng)絡或者對方無響應什么的問題，那就是在運行中它會自己下載權(quán)重文件，也就是上面第一行的yolov5s.pt? 的pt文件，出現(xiàn)問題也沒多大關(guān)系，可以自己下載權(quán)重文件然后放到文件夾里就行啦。

鏈接：https://pan.baidu.com/s/1p7_v_Wlicw_7oBUv-QNv_w?
提取碼：uarf

這是權(quán)重文件鏈接，放到根目錄下，也就是說和model是同級文件，并行的?。?/span>

權(quán)重文件長這樣，內(nèi)存越大，權(quán)重越大，訓練效果越好，并不絕對?。?！小心過擬合，而且運行速度zun的很慢，我用5s運行的西工大數(shù)據(jù)集，100個epochs，跑了十個小時，換了個權(quán)重文件，5x的，一個小時都跑不完一個epoch。

這樣就沒問題啦，運行出來的結(jié)果會保存到runs\train\exp里面

?四、detect

同樣也是在utils文件夾下，修改這三個文件，第一個是我們使用的權(quán)重文件，第二個是我們需要檢測的圖片地址（一定要換成自己的圖片?。?！）?，第三個就是老規(guī)矩。然后就可以運行了，生成的結(jié)果在runs\test\exp里面，我忘了截圖了。

?五、換權(quán)重文件

第一步，修改train里面的五個框，把5s改成別的，建議如果用大的權(quán)重文件就把epoch和batch-size改小一點，要不然會超時的哦，第二不，改相應的pt文件里的nc數(shù)，有印象吧，然后就可以運行了，如果報錯，可以直接用一行代碼在終端也就是terminal里運行。（因為我自己運行的時候報了個莫名其妙的錯誤，所以用了這種方法，比較簡單，不用改源碼，什么都不需要改。

python train.py --batch-size 2 --epochs 100 --data G:\bishe\bishe1\yolov5-master\data\mydata.yaml --weights D:\BaiduNetdiskDownload\yolov5-weights\yolov5x.pt

四個要素，batchsize，epochs，mydata.yaml的地址還有權(quán)重文件.pt的地址。這個方法不用改代碼，什么都不需要動，無論你把我剛剛?cè)Φ膸讉€框改成什么樣了都沒關(guān)系，直接這一行就行了

同樣，detect也可以用這個方法。

python .\detect.py --source C:\Users\Administrator\PycharmProjects\yolov5\imgs\valid\images --weights C:\Users\Administrator\PycharmProjects\yolov5\runs\train\exp8\weights\best.pt

兩個要素，一個是你需要測試的圖片的地址，另一個是pt文件，這個文件就是我們訓練出來的了，在runs\train\exp\weights\best.pt

這個也一樣，不需要改源碼，也不用管你把源碼框框改成什么樣了，都可以用這個方法。

?放一張detect的圖片。

這是我使用yolov5訓練西工大數(shù)據(jù)集的全過程，我一點點摸索出來的，如果有不對的地方歡迎各位大佬留言指正，如果有什么問題也可以私信我，會的我會回答，不會的我只能深感抱歉，后續(xù)有改進我也會發(fā)出來的。謝謝大家！??！文章來源地址http://www.zghlxwxcb.cn/news/detail-424950.html

到了這里，關(guān)于基于yolov5的遙感圖像目標檢測（NWPU VHR-10）的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！