YOLOv5-第Y2周：訓(xùn)練自己的數(shù)據(jù)集

一、前言

• ?? 本文為??365天深度學(xué)習(xí)訓(xùn)練營(yíng) 中的學(xué)習(xí)記錄博客
• ?? 原作者：K同學(xué)啊

二、我的環(huán)境

• 電腦系統(tǒng)：Windows 10
• 語言環(huán)境：Python 3.8.5
• 編譯器：colab在線編譯
• 深度學(xué)習(xí)環(huán)境：PyTorch

三、準(zhǔn)備數(shù)據(jù)集

文件夾目錄結(jié)構(gòu)：

??主目錄:
paper_ data (創(chuàng)建個(gè)文件夾,將數(shù)據(jù)放到這里)
Annotations (放置我們的.xm文件)
images (放置圖片文件)
ImageSets:
Main (會(huì)在該文件夾內(nèi)自動(dòng)生成train.txt、 val.txt、 test.txt和trainval.txt四個(gè)文件,
存放訓(xùn)練集、驗(yàn)證集、測(cè)試集圖片的名字)

四、運(yùn)行 split_train_val.py 文件

ImageSets文件夾下面有個(gè)Main子文件夾，其下面存放了 train.txt、val.txt、test.txt和 trainval.txt四個(gè)文件，它們是通過split_train_val.py文件來生成的。

# -*- coding: utf-8 -*-
"""
Created on Fri Jul 14 19:08:01 2023

@author: admin
"""

import os
import random
import argparse

parser = argparse.ArgumentParser()

#xml文件的地址，根據(jù)自己的數(shù)據(jù)進(jìn)行修改，xml一班存放在Annotation下
parser.add_argument('--xml_path', default = 'C:\YOLOv5\yolov5-master\paper_data\Annotations', type = str, help = 'input xml label path')

#數(shù)據(jù)集的劃分，地址選擇自己數(shù)據(jù)下的ImageSets/Main
parser.add_argument('--txt_path', default = 'C:\YOLOv5\yolov5-master\paper_data\ImageSets/Main', type = str, help = 'output txt label path')

opt = parser.parse_args()

trainval_percent = 0.9
train_percent = 8 / 9
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
    os.makedirs(txtsavepath)
    
num = len(total_xml)
list_index = range(num)
tv = int(num * train_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()

運(yùn)行 split_train_val.py 文件后你將得至train.txt、val.txt、test.txt 和 trainval.txt 四 個(gè)文件，結(jié)果如下：

五、生成 train.txt、test.txt、val.txt 文件

編寫voc_label.py文件

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

sets = ['train', 'val', 'test']
classes = ["pineapple"]   # 改成自己的類別
abs_path = os.getcwd()
print(abs_path)

def convert(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

def convert_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 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))
        b1, b2, b3, b4 = b
        # 標(biāo)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:
    if not 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)) # 注意你的圖片格式，如果是.jpg記得修改
        convert_annotation(image_id)
    list_file.close()

運(yùn)行voc_label.py文件，你將會(huì)得到train.txt、test.txt、val.txt三個(gè)文件。

六、創(chuàng)建ab.yaml文件

ab.yaml文件內(nèi)容如下:

七、開始使用自己的數(shù)據(jù)集訓(xùn)練

python train.py --img 900 --batch 2 --epoch 5 --data paper_data/ab.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt

文件報(bào)錯(cuò)，這里還不知道是什么原因。后續(xù)查找修改Bug

八、總結(jié)

通過Y1和Y2的學(xué)習(xí)，學(xué)會(huì)了yolov5的環(huán)境配置以及用自己的數(shù)據(jù)集訓(xùn)練模型。接下來就是查閱資料，解決Bug。文章來源地址http://www.zghlxwxcb.cn/news/detail-807501.html

到了這里，關(guān)于YOLOv5-第Y2周：訓(xùn)練自己的數(shù)據(jù)集的文章就介紹完了。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)！