YouTube:https://www.youtube.com/c/xugaoxiang;Bilibili: 迷途小书童的Note;微信公众号: Dev_Club

YOLOv5模型训练

目标检测 迷途小书童 3评论

软硬件环境

  • ubuntu 18.04 64bit
  • anaconda with 3.7
  • nvidia gtx 1070Ti
  • cuda 10.1
  • pytorch 1.5
  • YOLOv5

视频看这里

此处是youtube的播放链接,需要科学上网。喜欢我的视频,请记得订阅我的频道,打开旁边的小铃铛,点赞并分享,感谢您的支持。

YOLOv5环境配置

请参考之前的文章,YOLOv5目标检测

使用COCO数据集

YOLOv5的预训练模型是基于 COCO 数据集,如果自己想去复现下训练过程,可以依照下面的命令

$ python train.py --data coco.yaml --cfg yolov5s.yaml --weights '' --batch-size 64
                                         yolov5m                                48
                                         yolov5l                                32
                                         yolov5x                                16

COCO的数据集可以通过data文件夹下get_coco2017.sh脚本进行下载,包含图片和lable文件。COCO的数据集实在是太大了,整个压缩包有18G,考虑到自己到的网速还有机器的算力,还是洗洗睡吧。。。

制作自己的数据集

如果没有对应目标的公开数据集,那就只有自己出手收集了,图片到手后,接下来就是艰辛的打标签工作了,这里使用工具LabelImg,下载地址是

https://github.com/tzutalin/labelImg/releases/tag/v1.8.1

LabelImg使用Qt做了图形化的界面,操作还是很方便的,这也是选择它的理由,它提供了默认的class,如果你不需要这些类型的话,可以将其删除

接下来就可以打开exe文件,点击Open导入图片,按下快捷键w,选定目标后,会弹出输入框,写上class名称,就可以了,如果有多个目标,那就继续标

labelImg还支持文件夹的导入,在标完一张后,在左侧选择Next Image就可以切换到下一张继续了。输出格式部分,目前labelImg支持YOLOPascalOVC2种格式,前者标签信息是存储在txt文件中,而后者是存储在xml

打完标签后,就可以进行保存了,图片和标签文件我们分开存放,但是文件名是对应的,只是扩展名不同

最后来看看标签文件的内容

一行代表一个目标,格式是

class x_center y_center width height

第一列是class的索引,计数从0开始,比如这里的0代表的是basketball,1代表的是face;后4列是x_center/image_widthy_center/image_heightwidth/image_widthheight/image_height,取值范围是0 ~ 1

使用公开的数据集进行训练

ROBOFLOW 提供了一些公开的数据集,我们下载其中的口罩数据集进行训练,链接是 https://public.roboflow.ai/object-detection/mask-wearing, 如果原网站无法访问的话,可以到下面的链接下载

下载下来是一个压缩包,解压后,文件夹内的文件结构是这样的

其中文件夹train包含了参加训练的图片以及对应的label文件,两者只有扩展名不同而已,目前图片只有105张。我们将包含数据集的文件夹重命名为mask,存储在yolov5工程的同级目录下

接着修改mask/data.yaml文件内容为

(base) xugaoxiang@1070Ti:~/Works/github/mask$ cat data.yaml
train: ../mask/train/images
val: ../mask/valid/images

nc: 2
names: ['mask', 'no-mask']

最后修改yolov5/models/yolov5s.yaml,将nc = 80修改为nc = 2,因为数据集中只有maskno-mask2个类别

接下来执行训练命令

cd yolov5
python train.py --img 640 --batch 16 --epochs 300 --data ../mask/data.yaml --cfg models/yolov5s.yaml --weights '' 

训练结束后,在weights文件夹下就生成了best.ptlast.pt,到mask/test/images找些图片测试一下

python detect.py --weight weights/best.pt --source ../mask/test/images/1224331650_g_400-w_g_jpg.rf.b816f49e2d84044fc997a8cbd55c347d.jpg

效果还算ok。感兴趣的话,自己动手试试吧

参考资料

喜欢 (2)
发表我的评论
取消评论

表情
(3)个小伙伴在吐槽
  1. 多谢多谢
    匿名2020-07-19 23:12 回复
  2. ROBOFLOW的口罩数据集已经搬运到了百度盘,地址链接: https://pan.baidu.com/s/15GSPiJ59dg4kNyUch6W5Xw 提取码: wja4
    迷途小书童2020-07-16 14:46 回复
  3. ROBOFLOW提供d的口罩数据集在国内下载不了,也许只有我下载不了。能不能提供一个百度网盘的链接分享一下。多谢!多谢!
    匿名2020-07-15 06:51 回复