手把手教你通过YOLOv5训练自己的目标检测模型

原创已于 2024-12-31 14:39:33 修改 · 3.2k 阅读

47 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

目标检测实战

于 2024-12-29 21:38:04 首次发布

目标检测实战：仪表盘指针识别

保姆级 YOLOv8/9/10 教程，附完整数据集与源码

一键订阅

YOLOv5训练自己的数据集整个过程主要有五大步骤：1.环境配置 2.制作数据集 3.数据格式转换 4.模型训练 5.模型测试，以下内容将安装此步骤一一展开介绍。

一. 环境配置

本人的笔记本电脑系统是：Windows11
首先进入YOLOv5开源网址，手动下载zip或是git clone 远程仓库，代码文件夹中会有requirements.txt文件，里面描述了所需要的安装包。

安装命令：pip install requirements.txt

二. 制作数据集

a. 找开源的数据，比如kaggle或者一些分享的数据

b. 用Labelimg进行标注，LabelImg 是一个图形化的图像标注工具，主要用于机器学习和计算机视觉领域中的数据预处理。它是由 GitHub 用户 tzutalin 开发的开源项目，基于 Python 和 Qt 框架编写。LabelImg 允许用户手动为图像添加边界框（bounding boxes）标注信息，可以用来训练目标检测、图像分割等任务的模型。它的使用比较简单，参考博客也是一大堆，如果不知道怎么用可以参见这篇博客：LabelImg（目标检测标注工具）的安装与使用教程-CSDN博客

三. 数据格式转换

新建文件夹paper_data

并在paper_data下依次新建Annotations，images，ImageSets，labels四个子文件夹

Annotations：存放xml文件

images：存放图片，名字要和xml名字能对应上

ImageSets：存放图片划分结果，也就是通过split_train_val.py代码将数据分成训练，验证，train.txt内容如下图中，trainval.txt和val.txt也类似

split_train_val.py代码，里面的文件夹路径要和上面设置的子文件对应上：

# coding:utf-8

import os
import random
import argparse

parser = argparse.ArgumentParser()
#xml文件的地址，根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument('--xml_path', default='Annotations', type=str, help='input xml label path')
#数据集的划分，地址选择自己数据下的ImageSets/Main
parser.add_argument('--txt_path', default='ImageSets/Main', type=str, help='output txt label path')
opt = parser.parse_args()

trainval_percent = 1.0
train_percent = 0.9
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)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train = random.sample(trainval, tr)

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()

labels：存放yolo_txt格式，是通过voc_label.py代码进行转换，即将每个xml标注提取bbox信息为txt格式，每个图像对应一个txt文件，文件每一行为一个目标的信息，包括class, x_center, y_center, width, height格式。

voc_label.py代码，里面的文件夹路径要和上面设置的子文件对应上，classes设置成你自己的标注类别的名字：

# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET
import os
from os import getcwd

sets = ['train', 'val', 'test']
classes = ['黑葡萄', '绿葡萄', '樱桃', '西瓜', '龙眼', '香蕉', '芒果', '菠萝', '柚子', '草莓', '苹果', '柑橘', '火龙果', '梨子',
           '花生', '黄瓜', '土豆', '大蒜', '茄子', '白萝卜', '辣椒', '胡萝卜', '花菜', '白菜', '番茄', '西蓝花', '橙子']  # 改成自己的类别
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[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return x, y, w, h

def convert_annotation(image_id):
    in_file = open(r'E:\detect\yolov5\paper_data\Annotations\%s.xml' % (image_id), encoding='UTF-8')
    out_file = open(r'E:\detect\yolov5\paper_data\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
#        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(r'E:\detect\yolov5\paper_data\labels'):
        os.makedirs(r'E:\detect\yolov5\paper_data\labels')
    image_ids = open(r'E:\detect\yolov5\paper_data\ImageSets\Main\%s.txt' % (image_set)).read().strip().split()
    list_file = open(r'E:\detect\yolov5\paper_data\%s.txt' % (image_set), 'w')
    for image_id in image_ids:
        list_file.write(abs_path + '\images\%s.jpg\n' % (image_id))
        convert_annotation(image_id)
    list_file.close()

四. 模型训练

1. 新建自己的配置文件

train和val设置成上面生成的train.txt和val.txt路径，nc设置成标注的类别个数，names设置成标注的名字

2. 选择一个模型

在yolov5目录下的model文件夹下是模型的配置文件，这边提供s、m、l、x版本，逐渐增大（随着架构的增大，训练时间也是逐渐增大），假设采用yolov5s.yaml，只用修改一个参数，把nc改成自己的类别数,需要取整（可选）如下：

3. 配置训练模型的参数

以上参数解释如下：
epochs：指的就是训练过程中整个数据集将被迭代多少次,显卡不行你就调小点。
batch-size：一次看完多少张图片才进行权重更新，梯度下降的mini-batch,显卡不行你就调小点。
cfg：存储模型结构的配置文件
data：存储训练、测试数据的文件
img-size：输入图片宽高,显卡不行你就调小点。

4. 直接通过pycharm来run train.py代码就行