yolov5训练自己的数据集并实现自定义目标检测、及遇到的问题（详解）2022.3.10_yolov5目标检测需要解决的关键问题

---

一、yolov5包下载、以及环境配置

1. YOLOv5的github下载连接：点击下载yolov5——解压到本地桌面或其他不包含中文的目录下，文件结构如下：

2. 然后是环境配置，这里需要安装有Anaconda，进入Anaconda Prompt，为yolov5创建一个虚拟环境并激活（防止环境污染），当然不建也可以：
   

3. 最后就可在虚拟环境下安装依赖包了，根据yolov5项目中的requirements.txt文件，其中罗列出了项目所需要的各种依赖包及版本，进入requirement.txt所在的目录，直接输入pip install -r requirements.txt安装即可：

   由于我已经装过了所以显示：Requirement already satisfied

4.安装好了，也可以输入： pip list 命令查看安装结果

---

二、数据集的准备

1 用标注工具打标签

1. 首先，在yolov5目录中的yolov5-master/data路径下创建medData（自定义）文件夹，用来存放自己的图片数据及标签，即medData文件夹下创建2个文件夹分别为：

   images：用来存放你的图片数据( .jpg)
   xml： 用来存放图片对应的标签数据( .xml)

2. 打开images中的图片，可用 labelme、labelImg、roLabelImg等工具对其打标签并存于上述xml文件夹中，三者都可以打标签，但又有些区别：labelme生成的标签是 .json格式的，后续还要转化为.xml格式；lebelImg是 .xml格式的（推荐用这个）；而roLabelImg在打标签时矩形框可以旋转，具体可以自个儿查查。现在，用labelImg打完标签后的数据如下：
   原图像如下：
   
   对应的标签如下：

3. 为了便于训练，把上述数据进行划分为三个部分：train.txt集、test.txt集、val.txt集，都存放于data/medData/dataSets/Main路径下；当然不是手动划分，通过创建如下makeTxt.py，自动划分：
   makeTxt.py如下：

   import os
   import random
   
   trainval_percent = 0.1
   train_percent = 0.9
   xmlfilepath = 'data/medData/xml'
   txtsavepath = 'data/medData/dataSets/Main'
   total_xml = os.listdir(xmlfilepath)
   
   num = len(total_xml)
   list = range(num)
   tv = int(num * trainval_percent)
   tr = int(tv * train_percent)
   trainval = random.sample(list, tv)
   train = random.sample(trainval, tr)
   
   ftrainval = open('data/medData/dataSets/Main/trainval.txt', 'w')
   ftest = open('data/medData/dataSets/Main/test.txt', 'w')
   ftrain = open('data/medData/dataSets/Main/train.txt', 'w')
   fval = open('data/medData/dataSets/Main/val.txt', 'w')
   
   for i in list:
       name = total_xml[i][:-4] + '\n'
       if i in trainval:
           ftrainval.write(name)
           if i in train:
               ftest.write(name)
           else:
               fval.write(name)
       else:
           ftrain.write(name)
   
   ftrainval.close()
   ftrain.close()
   fval.close()
   ftest.close()
   
   1
   2
   3
   4
   5
   6
   7
   8
   9
   10
   11
   12
   13
   14
   15
   16
   17
   18
   19
   20
   21
   22
   23
   24
   25
   26
   27
   28
   29
   30
   31
   32
   33
   34
   35
   36
   37

   三个.txt文本文件如下所示：
   三个.txt文本文件内容都形如下所示：（trainval.txt不知道干嘛用的）
   实际上就是将图片分为三个部分，并分别把图片名字保存于文件中。
   至此，标注工作已完成，但这里得到的标签数据集是voc_2007格式的(.xml)，还需要转换为coco格式的才能用于yolov5上

2. 数据集格式转换

1. 首先，制作yolov5的标签labels：由于上面lebelImg制作的xml标签是voc的标签格式，yolo不能直接利用，所以需要创建脚本文件 voc_label.py， 把上述部分的数据转换成yolov5能够利用的数据格式，同时，将图片的路径导入三个txt文件中：
   voc_label.py:

   import xml.etree.ElementTree as ET
   import os
   from os import getcwd
   
   sets = ['train', 'val', 'test']
   classes = ["target"]  # 改成自己的类别
   abs_path = os.getcwd()
   # abs_path = abs_path.replace("\\", "/")
   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('data/medData/xml/%s.xml' % (image_id), encoding='UTF-8')
       out_file = open('data/medData/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('data/medData/labels/'):
           os.makedirs('data/medData/labels/')
       image_ids = open('data/medData/dataSets/Main/%s.txt' % (image_set)).read().strip().split()
       list_file = open('data/medData/%s.txt' % (image_set), 'w')
       for image_id in image_ids:
           list_file.write(abs_path + '\data\medData\images\%s.jpg\n' % (image_id))
           convert_annotation(image_id)
       list_file.close()
   1
   2
   3
   4
   5
   6
   7
   8
   9
   10
   11
   12
   13
   14
   15
   16
   17
   18
   19
   20
   21
   22
   23
   24
   25
   26
   27
   28
   29
   30
   31
   32
   33
   34
   35
   36
   37
   38
   39
   40
   41
   42
   43
   44
   45
   46
   47
   48
   49
   50
   51
   52
   53
   54
   55
   56
   57
   58
   59
   60
   61
   62
   63
   64

   运行该脚本文件后，会生成如下 labels文件夹、和三个包含数据集的txt文件：
   
   labels文件夹内容：
   
   其中的每一个txt文件对应一张图像的标签，txt中每一行对应图像中的一个目标信息（class, x_center, y_center, width, height），txt中的内容为：
   
   而相应的train,txt，test.txt，val.txt 都大致为：（相比之前voc_2007的加了图像路径和后缀）
   

   注意确保这里的路径正确，否则在训练时可能会报错

3. 小结

总结：做了这么多步骤，其实最终有用的文件就只有：images、labels文件、以及三个数据集的划分文件txt；其他的文件都没啥用（voc_2007的那些），或者说都是为了生成这几个的中间产物；

数据集准备的整个流程图如下所示，最终得到的目标文件：图像images、对应yolo的标签labels、以及三个划分集：

---

三、yolov5的参数配置

1.数据集文件配置

在yolov5里面数据集是通过.yaml文件访问的，因此在yolov5/medData新建 target.yaml文件，里面写入信息：上述最终得到的tain.txt，test.txt，val.txt、目标的类别数 nc 、以及类别名字 names，(类别数及名字根据需求自己改)，具体如下：

2.yolov5模型文件配置

在models路径下找到yolov5s.yaml文件，复制一份并重命名为yolo5s-target.yaml，把里面的类别数 nc 改为与上面对应，我这里为1：

3.预训练模型下载

1.预训练模型去这个页面下载：进入下载yolov5s.pt; 下载好后放入 yolov5-master/weights/ 下即可
可选择的模型从小到大分别有：n—s—m—l—x，根据任务规模选择就行，一般小任务s就足够了

好了，所有的准备工作都做好了，下面即可开始训练。

---

四、开始训练

1.终端输入

python train.py --img 416 --batch 16 --epoch 100 --data data/medData/target.yaml --cfg models/yolov5s-target.yaml --weights weights/yolov5s.pt

1
2

训练100个epoch后共花费0.633 hours，得到的结果如下：
得到的模型文件best.pt，保存在runs/train/exp9/wights/目录下，以后的检测就可以直接利用该模型进行操作。

---

2.训练时遇到的各种问题

原本想输入上述命令即可开始愉快的训练了，但期间还是遇到了花式的错误！！！
问题1：

根据上述出错的路径可以看出是torchvision包出了问题，准备卸载了重新安装torchvision，甚至把torch也重装了，后来各种查找资料得出是torch, torchvision版本不对应，然后重新装版本对应的torch和torchvision，这和问题2类似。

问题2：

错误显示：无效的CUDA；猜想多半是GPU的使用问题，所以先检测Cuda是否可用，发现果然返回False。参考连接
所以去安装对应版本的 torch+cuda+torchvision ，这里一定要对应，不然可能会报问题1的错误，具体操作，可以把原来的torch，torchvision卸载了，输入如下所示命令安装即可：

pip install torch===1.7.0+cu110 torchvision===0.8.1+cu110 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html
1

安装完成后，再次检验cuda是否可用
问题3：

错误显示：BrokenPipeError: [Errno 32] Broken pipe，百度说是windows下的dataloader多线程问题，只需打开utils/dataset.py，然后 ctrl+f 搜索 dataloader 并将 num_workers = 0 即可。

---

五、验证并实现检测

首先选择数据集以外的新的图像进行检测验证，图片放于yolov5/data/images目录下，然后输入如下命令进行检测：

python detect.py --weights weights/best.pt --img-size 416
1

虽然训练时只用了150+图像、epoch也只有100，但这里效果还可以：