Pytorch实战 |Y2 yolov5训练自己的数据集

一、我的环境

● 语言环境：Python3.8
● 编译器：pycharm
● 深度学习环境：Pytorch
● 数据来源：水果链接

二、准备数据

1、在yolov5的主目录下，新建自己的文件夹data-test， 新建文件夹annotations、images、ImageSets三个文件夹。

2、将下载的水果数据集中的xml文件放到annotations文件夹下，如下图。xml文件都是图片中水果标注的位置、分类等信息。

3、将水果数据集中的图片放到images文件夹下，如下图，为水果的原始图片。

三、定制代码编写

1、编写并运行split_train_val.py文件

在data-test文件夹下编写并运行split_train_val.py文件，运行后会在ImageSets文件夹的Main文件夹下，生成train.txt,val.txt.test.txt.tranval.txt四个文件。

# -*- coding: utf-8 -*-
import os
import random
import argparse

parser = argparse.ArgumentParser()

# xml文件地址
parser.add_argument('--xml_path', default='Annotations', type=str, help='input xml label path')
# 划分数据集存放位置
parser.add_argument('--txt_path', default='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)

train_val_num = int(num * trainval_percent)
train_num = int(train_val_num * train_percent)
trainval = random.sample(list_index, train_val_num)
train = random.sample(trainval, train_num)

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()

运行之后生成如下图文件

训练数据量和验证数据量可自行调整，如下图

2、编写并运行voc_label.py文件

在data-test文件夹下，编写voc_label.py文件，代码如下

# -*- coding: utf-8 -*-

import xml.etree.ElementTree as ET
import os
from os import getcwd

sets = ['train', 'val', 'test']
classes = ['banana', 'snake fruit', 'dragon fruit', 'pineapple']

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[1]
    x = x * dw
    w = w * dh
    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
        # 标注越界修正
        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))
        convert_annotation(image_id)
    list_file.close()

运行如上代码，生成train.txt, test.txt, val.txt三个文件，文件中放着图片的地址

3、创建ab.yaml文件

在data文件夹下，创建ab.yaml文件，代码如下

train: ./data-test/train.txt
val: ./data-test/val.txt

nc: 1
names: ['banana', 'snake fruit', 'dragon fruit', 'pineapple']

三、训练模型

在yolov5-master文件夹下，cmd运行命令

python train.py --img 900 --batch 2 --epoch 100 --data ./data/ab.yaml --cfg ./models/yolov5s.yaml --weights weights/yolov5s.pt --device '0'

四、运行结果