不知道是第幾次訓練了，最開始跑也出現(xiàn)了這個問題，當時怎么解決的時隔了幾個月又完全忘了，還好翻看了幾個博客后回憶了起來
我自己的數(shù)據(jù)集的格式是VOC格式，如下圖
?若沒有對數(shù)據(jù)集進行劃分，則使用makeTXT.py對數(shù)據(jù)集進行劃分，若數(shù)據(jù)集已經(jīng)劃分，則可忽略這一步
import os
import random
trainval_percent = 0.9 #這里是訓練集和驗證集占數(shù)據(jù)集的比例
train_percent = 0.9 #這里是訓練集在訓練集和驗證集總集合中占的比例
xmlfilepath = 'data/smokedata/Annotations' #xml文件讀取
txtsavepath = 'data/smokedata/ImageSets' #txt文件存放
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
ftrainval = open('data/smokedata/ImageSets/Main/trainval.txt', 'w') #txt文件存放的位置，一般放在ImageSets的Main下
ftest = open('data/smokedata/ImageSets/Main/test.txt', 'w')
ftrain = open('data/smokedata/ImageSets/Main/train.txt', 'w')
fval = open('data/smokedata/ImageSets/Main/val.txt', 'w')
for i in list:
name = total_xml[i][:-4] + '\n'
if i in trainval:
ftrainval.write(name)
if i in train:
ftest.write(name)
else:
fval.write(name)
else:
ftrain.write(name)
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()對數(shù)據(jù)集進行劃分后一個完整的VOC格式的數(shù)據(jù)集就已經(jīng)完成了，劃分后的文件結(jié)構(gòu)是這樣的
?文章來源地址http://www.zghlxwxcb.cn/news/detail-525685.html
接下來就是將xml文件轉(zhuǎn)為YOLO格式的txt文件，voc_labels.py代碼如下：
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
sets = ['train', 'val', 'test']
classes = ["smoke"] #你自己數(shù)據(jù)集的類別
def convert(size, box):
dw = 1. / size[0]
dh = 1. / size[1]
x = (box[0] + box[1]) / 2.0
y = (box[2] + box[3]) / 2.0
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)
def convert_annotation(image_id):
in_file = open('data/smoke/self_data/Annotation/%s.xml' %(image_id)) #讀取xml的路徑
out_file = open('data/smoke/self_data/labels/%s.txt' %(image_id), 'w') #存放label的路徑
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 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))
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:
if not os.path.exists('data/smoke/self_data/labels/'):
os.makedirs('data/smoke/self_data/labels/')
image_ids = open('data/smoke/self_data/ImageSets/Main/%s.txt'
% (image_set)).read().strip().split() #這里讀取的是makeTXT.py劃分數(shù)據(jù)集后的txt
list_file = open('data/smoke/self_data/%s.txt' % (image_set), 'w') #這里生成了劃分后數(shù)據(jù)集的具體路徑，也是后邊yaml需要用到的
for image_id in image_ids:
list_file.write('data/smoke/self_data/images/%s.png\n'
% (image_id)) #把你自己數(shù)據(jù)集的圖片的路徑寫入上一步的txt文件
convert_annotation(image_id)
list_file.close()
最終文件結(jié)構(gòu)
?
生成的label下的txt文件：
其中數(shù)據(jù)格式是：cls_id? x? y? w? h 其中坐標(x,y)是中心點坐標，并且是相對于圖片寬高的比例值 ，而不是絕對坐標。
解決no label問題的很重要的一點就是，原voc格式的圖片存放路徑是JPEGImages，而YOLOv5讀取的圖片路徑為images，解決這一點最簡單的辦法就是新建一個images文件夾，然后將數(shù)據(jù)集的圖片復制一份過來，使模型能讀取到label，當然還有別的解決辦法，例如修改YOLOv5中讀取數(shù)據(jù)集的代碼，只是個人覺得這個辦法雖然傻，但很方便簡單。
?數(shù)據(jù)格式轉(zhuǎn)化后就可以寫自己的yaml文件了：
# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: data/smoke/self_data/train.txt # voclabel.py生成的train.txt的路徑
val: data/smoke/self_data/val.txt # voclabel.py生成的val.txt的路徑
test: data/smoke/self_data/test.txt
# number of classes
nc: 1
# class names
names: ['smoke']接下來修改train.py
?
就可以順利運行了
文章來源：http://www.zghlxwxcb.cn/news/detail-525685.html
?
到了這里，關(guān)于解決YOLOv5訓練自己的數(shù)據(jù)集出現(xiàn)No labels in path\train.cache問題的文章就介紹完了。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)！
