YOLOv5_DeepSORT_Pytorch训练自己的多目标跟踪模型线 根据经验详细整理

YOLOv5_DeepSORT_Pytorch训练自己的多目标跟踪模型线 根据经验详细整理

参考：https://blog.csdn.net/weixin_39357271/article/details/124760640?spm=1001.2014.3001.5506

一、YOLOv5训练自己的目标检测模型

1、 Yolov5代码是开源的，GitHub下载glenn-jocher开源的yolov5的项目，自行进行环境的安装和依赖库的安装。

2、 数据集的标注

利用labelImg标注数据，用旧版本的压缩包进行标注会减少很多不必要的麻烦，解压压缩包，打开文件夹，\labelImg-master\data 打开文本文档predefined_classes设置标签数量。在终端运行，输入python labelImg.py，打开标注工具，Open Dir打开图片，Change Save Dir选择储存位置，选择YOLO格式开始进行标注，W（选择区域画框）、A（上一张）、 D（下一张），打开Auto Save mode，标注下一张按D时可以自动保存。将准备好的数据集划分为训练集和验证集来训练我们的yolov5模型。

3、 训练模型：修改两个配置文件。

1. 修改数据配置文件：目录下voc.yaml复制一份重命名，改为sheep.yaml
   

sheep.yaml修改四个地方：注释掉一行、路径、类别、类别名称

2. 修改模型配置文件：目录下yolov5s.yaml复制一份重命名，我改为yolov5s_sheep.yaml。

yolov5s_sheep.yaml修改1个地方：类别，我改为nc=2。

3. 开始训练：找到train.py文件：修改路径、修改训练轮次，修改完成，新建一个环境，并且在终端运行train.py
   
4. 训练结束，在run/train/exp/weights目录下会产生两个权重文件，一个是最后一轮的权重文件last.pt，一个是最好的权重文件best.pt，后面要利用best.pt来做推理测试。
   
5. 进行推理测试。找到detect.py文件，修改best.pt文件路径、图片或视频路径。
   
   
   推理结果会保存到 runs/detect/exp 的目录下。

二、训练跟踪网络

1、数据集准备：数据集全貌是train和test两个文件中分别为抠出来的指定类别的图片。

1. 分别将原来数据集的训练和测试的txt格式文件全部转化为xml格式文件。
2. 最后得到image_train、train_xml和image_test、test_xml，接下来在/deep_sort/deep/data中新建两个文件夹，分别命名train、test。接下来运行prepare.py文件，生成train、test中的按照类别抠出的图。至此deepsort的数据集准备好了。
   

2、运行train.py

在根目录打开deep_sort_pytorch/ deep_sort/ deep/ train.py文件，修改数据集路径、197行修改训练轮数。运行train.py，训练结束后会在deep_sort_pytorch/ deep_sort/ deep/ checkpoint文件夹下生成一个跟踪权重ckpt.t7。

3、 利用训练的跟踪权重进行评估

打开根目录下track.py文件，修改yolo权重路径、修改跟踪权重路径、设置跟踪视频路径。检测结果保存在根目录inference/output下。

一些附加小tips:

1、 批量删除或者更改yolo格式的标签类别
参考：https://blog.csdn.net/qq_61290020/article/details/126304325?spm=1001.2014.3001.5506

2、 txt转xml
参考：https://blog.csdn.net/weixin_42899627/article/details/114697554?spm=1001.2014.3001.5506

3、 将标注好的yolo格式数据集划分为yolov5所适用的训练集和测试集
参考：https://blog.csdn.net/qq_42262610/article/details/122828747?spm=1001.2014.3001.5506

4、 在训练yolo时遇到一个报错无论如何解决不了，并且确定一定不是环境和数据集的问题，因为在这之前已经跑通过很多次
了，最后发现是网络访问的问题。

报错：
tag = subprocess.check_output(‘git tag’, shell=True).decode().split()[-1]
IndexError: list index out of range

5、凡是遇到标签序列超出而报错的情况，自查数据集。