基于yolov5s的行人检测 训练自己的数据集

[HIT] 基于yolov5s的行人检测 --徐涛

本项目 github 地址

环境配置:

anaconda create --name yolo python=3.7

activate yolo

cd yolov5

pip install -r requirements.txt

有warning不用担心,这是由于配置文件与中文编码冲突的原因。参考:【WARNING:Ignore distutils configs in setup.cfg due to encoding errors】完美解决

pip install labelimg

pip install wandb

需要创建一个wandb账户,可以用github登录,会同步上传训练结果

训练模型

使用 /yolov5/models 中的配置文件训练

python train.py --data coco.yaml --cfg yolov5s.yaml --weights ‘’ --batch-size 64

使用coco128训练模型:

python train.py --img 640 --batchsize 16 --epochs 3 --data coco128.yaml --weights yolov5s.pt

使用自己的训练集:

python train.py --img 640 --batchsize 16 --epochs 100 --data people.yaml --weights yolov5s.pt

训练结果在 /yolov5/runs/train/exp 中,每次训练会生成新的exp文件夹,不会覆盖。

如果页面文件空间不足可以系统设置页面文件大小。参考“OSError: [WinError 1455]页面文件太小,无法完成操作。”解决方案

或者 在/yolov5/utils/dataloaders.py 中140行将num_workers的参数nw改为0,本项目文件已修改。

如果提示OMP错误,需要在train.py中添加代码。

import os

os.environ[“KMP_DUPLICATE_LIB_OK”]=“TRUE”

本项目文件已添加。参考:解决报错 OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized

已经训练过的数据集会生成cache文件,需要删除。

目标检测

python detect.py --source test.mp4 --weights best.pt

best.pt 在当前目录/yolov5下

detect结果保存在/yolov5/runs/detect/exp下,同train

制作训练集

在datasets中创建一个新的数据集文件夹,包括images和labels,各包含train和val文件夹。
基于yolov5s的行人检测 训练自己的数据集_第1张图片

labelimg打开数据标注软件。

打开图像存放文件夹/datasets/people/images/train

打开标记存放文件夹/datasets/people/labels/train

标记文件与图像文件同名。

选择yolo txt格式,xml则需要转成txt格式才能被读取

快捷键

w生成框

a上一张

d下一张

ctrl+s 保存

在data中建立yaml文件,可以用其他文件的副本作为参考格式。
能被读取

快捷键

w生成框

a上一张

d下一张

ctrl+s 保存

在data中建立yaml文件,可以用其他文件的副本作为参考格式。

致谢

CSDN上很多YOLOv5相关的博客都有细致的讲解,最主要还是yolov5的github仓库就有很详细的训练教程,鄙人博采众长,受益良多。
传送门

  1. YOLOv5 github
  2. 【Yolov5】1.认真总结6000字Yolov5保姆级教程(2022.06.28全新版本v6.1)
  3. 目标检测—教你利用yolov5训练自己的目标检测模型
  4. 深入浅出Yolo系列之Yolov5核心基础知识完整讲解
  5. yolov5+Deepsort实现目标跟踪

你可能感兴趣的:(深度学习,python,人工智能,object,detection)