pytorch yolov5训练自己的数据

pytorch yolov5训练自己的数据

一，下载代码
https://github.com/ultralytics/yolov5

二，配置环境
按照代码中的 requirements.txt文件进行安装
备注：代码中讲到需要python3.7环境，但是我的python3.6也可以跑该程序
三，数据准备
1.在data文件夹下新建如下四个文件夹

2.将原始的xml标签放入Annotations中，图像放入images中。
3.运行脚本文件，在根目录下新建makeTxt.py，代码如下：

import os
import random
trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'data/Annotations'
txtsavepath = 'data/ImageSets'
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/ImageSets/trainval.txt', 'w')
ftest = open('data/ImageSets/test.txt', 'w')
ftrain = open('data/ImageSets/train.txt', 'w')
fval = open('data/ImageSets/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()

在根目录下再新建一个voc_label.py，代码如下：

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
sets = ['train', 'test','val']
classes = ["RBC"]
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/Annotations/%s.xml' % (image_id))
    out_file = open('data/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))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
wd = getcwd()
print(wd)
for image_set in sets:
    if not os.path.exists('data/labels/'):
        os.makedirs('data/labels/')
    image_ids = open('data/ImageSets/%s.txt' % (image_set)).read().strip().split()
    list_file = open('data/%s.txt' % (image_set), 'w')
    for image_id in image_ids:
        list_file.write('data/images/%s.jpg\n' % (image_id))
        convert_annotation(image_id)
    list_file.close()

运行上面两个脚本

在data文件夹中将会生成train.txt, test.txt和val.txt文件。txt中的数据如图：

四，修改配置文件
1.可以选择修改data文件夹下coco.yaml文件，也可以自己新建一个.yaml文件，建议直接在coco.yaml文件上修改（减少在其他代码上的修改量）。

注：txt文件的路径我改为了绝对路径。
2.修改./models/yolov5m.yaml
在models中有yolov5m.yaml / yolov5l.yaml / yolov5x.yaml /yolov5s.yaml几种可以选择，根据自身条件选择
yolov5m.yaml文件修改如图：

五，预训练权重下载

进入到github中该项目的主界面，找到上图位置，下载权重。外网的资料，比较难下载，我下载了上面四个权重，百度云链接如下;链接: https://pan.baidu.com/s/1x7yxl26Wr_K5sKEL6lJMPQ 密码: 24ba
下载后将文件放入weights文件夹中

六，修改train.py代码

如图修改了–cfg ;–data ;–epochs ;–batch-size ; --img-size五个地方，
这样做的好处就是不用再到终端输入一大串的指令，直接运行:python3 train.py即可
运行情况如图：

七，遇到的问题
问题1
TypeError: dump_all() got an unexpected keyword argument ‘sort_keys’
解决方法：pip3 install --upgrade pyyaml
原因是pyyaml版本有点老