使用yolov5训练自己的数据集_yolov5训练的数据集可以有中文吗

使用Yolov5训练自己的数据集

need：

本文以没有cpu为例。
anaconda
安装包下载链接：https://pan.baidu.com/s/13Mb7jKFxiSIDNKcdp3XTew?pwd=99o3
提取码：99o3
安装教程：
pycharm
安装教程及安装包：https://www.yutu.cn/softhtml/showsoft_4446.html
yolov5文件下载地址：
https://github.com/ultralytics/yolov5
点击code，再点击Download ZIP

权重文件
链接：https://pan.baidu.com/s/1NX23otAPdndwoBw7TRHxDQ?pwd=buky
提取码：buky

一、环境搭建

新建一个文件夹，起名yolov5train，注意该文件路径是不能有中文。
打开该文件，在此处输入cmd

再输入conda activate，创建conda环境

再输入以下命令，更改下载源

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple
1
2
3
4
5
6

再将你下载的yolov5项目文件解压到这个文件夹内，并打开yolov5项目文件，并在标识处输入cmd

创建环境：

conda create -n py15 python==3.8.5
1

其中的py15是创建环境的名称
输入后，有个步骤要你输入y，回车
完成后

激活虚拟环境：

conda activate py15
1

安装pytouch
yolov5都可以使用cpu或gpu，只是cpu慢的抠se子使用gpu的小伙伴参考这个https://blog.csdn.net/ECHOSON/article/details/118420968

我用的cpu，输入命令：

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cpuonly
1

弹出

输入y，回车
完成后

cd到yolov5代码的目录下，直接执行下列指令即可完成包的安装。
pip install -r requirements.txt

安装图形化界面库
pip install pyqt5

将下载好的权重文件解压到yolov5-master的
pretrained目录下

测试一下可不可以使用
在终端中输入：

python detect.py --source data/images/bus.jpg --weights pretrained/yolov5s.pt
1

其中，data/images/bus.jpg代表你要检测的图片，pretrained/yolov5s.pt表示使用的权重文件。

要检测的图片：

检测结果放在yolov5-maskruns\detect\exp2目录下

好了，现在开始制作数据集。
使用labelimg工具，用于图片的标注
使用pip安装
输入

pip install labelimg -i https://mirror.baidu.com/pypi/simple
1

在终端中输入labelimg就会弹出窗口。

labelimg使用
注释：

首先点击open Dir 选择你要标注的图片的文件位置，

然后就会弹出下面的窗口，选择你保存标注的txt（就是你标注的bbox的标签会写入txt）。

然后开始标注：

点击next image

点击create Rectbox，再选中你要标记的物体，再输入类别，再点击ok。

然后右边的boxlabel就会出现你的标记

如果要修改类别，右键点击你要修改的标签，点击edit label


修改后点击ok。
如果要调整边界框的大小，点击edit rectbox
这张图片标记完后，点击next image，进行下一张图片的标注，所有图片标注完后，点击save，保存。
然后看看这波操作的结果
打开保存边界框的txt文件 ，


打开文件，其中数据的注释，每一行代表一个物体。

要使用的数据集目录：

其中dataset存放训练集、测试集，train是训练集，vaild是测试集，测试集、训练集的目录下都必须有images和labels文件，images中放的是图片，labels放的对应图片的标注文件。

开始训练
右键点击项目文件

项目文件配置：
1、新建一个data_yaml

#train 写存放训练集图片的文件地址#val 写存放测试集图片的文件地址
train: D:/wxl/test2/train/images
val: D:/wxl/test2/vaild/images
#nc 标注的种类数量，name 里面放的输种类的名称
nc: 7
names: ['Motor Vehicle', 'Non_motorized Vehicle', 'Pedestrian', 'Traffic Light-Red Light' ,'Traffic Light-Yellow Light', 'Traffic Light-Green Light', 'Traffic Light-Off']
1
2
3
4
5
6

2、本案例使用yolov5s权重文件，修改models目录下的yolov5s.yaml,将nc后的数字修改成你的数据集中标注的种类数量

3、开始训练，打开终端，进入项目文件的目录，激活conda环境。输入

python train.py --data data.yaml --cfg models/yolov5s.yaml --weights pretrained/yolov5s.pt --epoch 100 --batch-size 4 --device cpu
1

data.yaml指的是数据集的配置文件
mask_yolov5s.yaml 指的是模型的配置文件
pretrained/yolov5s.pt 使用yolov5spt的权重文件
size 后面的数字指是多少张图片一起训练
epoch 后面的数字表示跑的次数
cpu 指用cpu训练

训练结果保存在项目文件的run\train\exp文件中

我跑的数据较少，就准确率就很低了，
其中的weight存放的就是训练出来的模型，其中，best.pt是效果最好的，last.pt是最后一个。

来试下用训练出来的模型来预测。

在终端中输入：

python val.py --data data.yaml --weights runs/train/exp/weights/best.pt 
1

data.yaml 存放你要预测的图片数据位置。 runs/train/exp_yolov5s/weights/best.pt 使用的模型。

预测的数据放在了项目文件中的runs\val\exp8中

。

结束，谢谢。菜鸟一个，如有错误，欢迎留言指正。