yolov5.6.1训练自己的数据（超简单）

前提yolov5.6部署安装成功。

硬件如下：

Microsoft Windows 10
CPU  Intel(R) Core(TM) i7-10870H CPU @ 2.20GHz(2208 MHz)
内存  16.00 GB (3200 MHz)
显卡  NVIDIA GeForce RTX 3060 Laptop GPU

1、数据标注

首先使用LabelImg制作标签。

LabelImg项目地址github：https://github.com/tzutalin/labelImg

git clone https://github.com/tzutalin/labelImg/tree/v1.8.1

 安装步骤官网已经写的比较清楚：

Windows

Install Python, PyQt5 and install lxml.

Open cmd and go to the labelImg directory

#缺少resources.qrc文件
#执行下面命令生成resources.qrc文件
#在labelimg-master目录下执行
pyrcc4 -o libs/resources.py resources.qrc
#如果是PyQt5的话，执行
pyrcc5 -o libs/resources.py resources.qrc

#运行LabelImg
python labelImg.py
python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

data下修改predefined_classes为自己的分类

命令行执行python labelImg.py打开程序

LabelImg快捷键

W：新建标注

A：上一张

D：下一张

使用快捷键就可以快速标注了：

2、开始训练

本次使用yolov5-6.1

github:https://github.com/ultralytics/yolov5/tree/v6.1

在yolov5-6.1目录下按下面结构新建路径。

将上一步LabelImg制作的图像和标签，按训练集：验证集3：1划分，分别放在相应的位置

CustomData

        CustomData.yaml

        images        #图片

                train        #训练集

                      000001.jpg 

                      000002.jpg 

                      000003.jpg 

                val           #验证集

                      000100.jpg 

                      000101.jpg 

                      000102.jpg 

        labels        #标签

                train        #训练集

                      000001.txt 

                      000002.txt 

                      000003.txt 

                 val        #验证集

                      000100.txt 

                      000101.txt

                      000102.txt 

文件CustomData.yaml内容如下

train:
  - CustomData/images/train/  # 训练集
val:
  - CustomData/images/val/  # 验证集

# number of classes，类别数
nc: 2

# class names，类别名
names: [ "apple","person"]

这里选择yolov5n进行训练。

修改文件data/yolov5n.yaml，改为自己的类别数。

 修改文件train.py：

然后就可以开始训练了，直接运行train.py开始训练

如提示错误：ImportError: DLL load failed: 页面文件太小，无法完成操作。

修改文件train.py，相应减少下面几个参数的值：

训练结果保存在路径yolov5-6.1\runs\train\exp\weights下

在检测时，detect.py 加上--save-txt 参数可以保存标签文件（在yolov5-6.1\runs\detect\labels下），在此标签的基础上再进行标注，减少标注的工作量。