YOLOv5 訓(xùn)練找不到標(biāo)簽, No labels found in /path/train.cache 問(wèn)題的解決方法(親測(cè)可用)

?? 網(wǎng)上絕大部分教程所述解決方法都不靠譜，也沒(méi)有分析問(wèn)題發(fā)生的原因，本文徹底解決了YOLOv5訓(xùn)練時(shí)找不到標(biāo)簽，出現(xiàn) No labels found in /path/train.cache 的問(wèn)題！希望通過(guò)本文，在配置環(huán)境的過(guò)程中，為各位解決一些不必要的麻煩。——?? Sylvan Ding

出現(xiàn) No labels found 的原因主要有兩點(diǎn)，一方面是因?yàn)榫W(wǎng)上下載的數(shù)據(jù)集只提供了其專屬的標(biāo)簽格式，需要轉(zhuǎn)換成YOLOv5格式的標(biāo)簽；另一方面則是因?yàn)轫?xiàng)目目錄的組織問(wèn)題。本文重點(diǎn)探討后者，即由項(xiàng)目目錄的組織問(wèn)題而引起的找不到標(biāo)簽的問(wèn)題，這類問(wèn)題網(wǎng)上的解答較少。

標(biāo)簽格式有誤

網(wǎng)上下載的數(shù)據(jù)集大多數(shù)只提供 VOC 格式的 .xml 標(biāo)記文件，存放于 annotations 文件夾中，或是其他格式的標(biāo)記文件。此時(shí)，就應(yīng)當(dāng)先編寫程序，將標(biāo)簽轉(zhuǎn)換成YOLOv5所需格式。

YOLOv5標(biāo)簽格式說(shuō)明

After using a tool like Roboflow Annotate to label your images, export your labels to YOLO format, with one *.txt file per image (if no objects in image, no *.txt file is required). The *.txt file specifications are:

• One row per object
• Each row is class x_center y_center width height format.
• Box coordinates must be in normalized xywh format (from 0 - 1). If your boxes are in pixels, divide x_center and width by image width, and y_center and height by image height.
• Class numbers are zero-indexed (start from 0).

convert VOC to YOLOv5

VOC到Y(jié)OLOv5格式轉(zhuǎn)換，可以參考yolov5/data/VOC.yaml中，36行convert_label()，其中convert_box()提供了坐標(biāo)轉(zhuǎn)換功能。

def convert_label(path, lb_path, year, image_id):
    def convert_box(size, box):
        dw, dh = 1. / size[0], 1. / size[1]
        x, y, w, h = (box[0] + box[1]) / 2.0 - 1, (box[2] + box[3]) / 2.0 - 1, box[1] - box[0], box[3] - box[2]
        return x * dw, y * dh, w * dw, h * dh

    in_file = open(path / f'VOC{year}/Annotations/{image_id}.xml')
    out_file = open(lb_path, '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'):
        cls = obj.find('name').text
        if cls in yaml['names'] and not int(obj.find('difficult').text) == 1:
            xmlbox = obj.find('bndbox')
            bb = convert_box((w, h), [float(xmlbox.find(x).text) for x in ('xmin', 'xmax', 'ymin', 'ymax')])
            cls_id = yaml['names'].index(cls)  # class id
            out_file.write(" ".join([str(a) for a in (cls_id, *bb)]) + '\n')

注：convert_box(size, box), bb = convert_box((w, h), [float(xmlbox.find(x).text) for x in ('xmin', 'xmax', 'ymin', 'ymax')])

?? 具體實(shí)現(xiàn)細(xì)節(jié)可以參考其他博主的文章，這類文章比較多。

其他格式轉(zhuǎn)換成YOLOv5

對(duì)其他不同格式的標(biāo)記文件，需要手動(dòng)編寫程序以轉(zhuǎn)換成YOLOv5格式標(biāo)記。

yolov5/utils/general.py中的一些函數(shù)也許能給您提供一些啟發(fā)，如xyxy2xywh(), xywh2xyxy()… 他們負(fù)責(zé)坐標(biāo)格式的轉(zhuǎn)換。

項(xiàng)目目錄的結(jié)構(gòu)有誤

在得到正確的標(biāo)簽格式后，仍出現(xiàn)No labels found錯(cuò)誤，這時(shí)考慮項(xiàng)目目錄組織結(jié)構(gòu)出現(xiàn)錯(cuò)誤。

正確的目錄結(jié)構(gòu)

coco

?? 先放結(jié)論，以COCO為例，正確的目錄結(jié)構(gòu)應(yīng)當(dāng)為：

# path example
../datasets/coco128/images/im0.jpg  # image
../datasets/coco128/labels/im0.txt  # label

# yolov5/data/coco.yaml
path: ../datasets/coco  # dataset root dir
train: train2017.txt  # train images (relative to 'path')
val: val2017.txt  # val images
test: test-dev2017.txt

• datasets文件夾和yolov5文件夾同級(jí)，datasets下建立各個(gè)數(shù)據(jù)集文件。以coco為例，images文件夾直接存放所有圖片數(shù)據(jù)，labels文件夾直接存放圖片對(duì)應(yīng)的*.txt標(biāo)記文件。

  .
  ├── images
  │   ├── 20151127_114556.jpg
  │   ├── 20151127_114946.jpg
  │   └── 20151127_115133.jpg
  ├── labels
  │   ├── 20151127_114556.txt
  │   ├── 20151127_114946.txt
  │   └── 20151127_115133.txt
  

• 注意，images和labels文件夾的命名均不能改成別的！原因稍后再說(shuō)。

• train2017.txt, val2017.txt,test-dev2017.txt中存放訓(xùn)練集、驗(yàn)證集、測(cè)試集的圖片文件路徑，其內(nèi)容如下所示：

  ./images/20151127_114556.jpg
  ./images/20151127_114946.jpg
  ./images/20151127_115133.jpg
  

coco128

如果你想用coco128的文件組織形式：

# yolov5/data/coco128.yaml
path: ../datasets/coco128  # dataset root dir
train: images/train2017  # train images (relative to 'path') 128 images
val: images/train2017  # val images (relative to 'path') 128 images
test:  # test images (optional)

則datasets目錄結(jié)構(gòu)應(yīng)當(dāng)為：

coco128
├── images
│   ├── test
│   │   └── 20151127_115133.jpg
│   └── train2017
│       └── 20151127_114556.jpg
└── labels
    ├── test
    │   └── 20151127_115133.txt
    └── train2017
        └── 20151127_114556.txt

• 注意，images和labels文件夾的命名均不能改成別的！
• images和labels文件夾內(nèi)，創(chuàng)建相互對(duì)應(yīng)的文件夾用來(lái)存放訓(xùn)練集、驗(yàn)證集、測(cè)試集，文件夾名字要一致，沒(méi)有要求，但需要在coco128.yaml中設(shè)置。

錯(cuò)誤原因探究

yolov5/utils/datasets.py 391行 img2label_paths(img_paths) 定義了圖片路徑到標(biāo)簽路徑的映射，447行 self.label_files = img2label_paths(self.im_files) # labels 調(diào)用 img2label_paths() 以生成 label_files.

def img2label_paths(img_paths):
    # Define label paths as a function of image paths
    sa, sb = os.sep + 'images' + os.sep, os.sep + 'labels' + os.sep  # /images/, /labels/ substrings
    return [sb.join(x.rsplit(sa, 1)).rsplit('.', 1)[0] + '.txt' for x in img_paths]

YOLOv5 locates labels automatically for each image by replacing the last instance of /images/ in each image path with /labels/.

即YOLOv5會(huì)自動(dòng)將圖片路徑../datasets/coco128/images/*.jpg更改為../datasets/coco128/labels/*.txt，以尋找labels路徑！

如何解決問(wèn)題？

在上述 label_files 賦值后，打印 label_files，我們就能得到標(biāo)記的路徑，再根據(jù)打印出的路徑修改自己項(xiàng)目的文件路徑，方能解決一切問(wèn)題！

參考文獻(xiàn)

Cannot find labels in train.cache custom dataset COCO #6158文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-453232.html

到了這里，關(guān)于一文徹底解決YOLOv5訓(xùn)練找不到標(biāo)簽問(wèn)題的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY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)！