一、环境搭建
1、下载YOLOv5代码。https://github.com/ultralytics/yolov5
目录结构：
tutorial.ipynb（可以用jupyter notebook打开）。
2、安装依赖包。根据requirements.txt按需安装 或者 默认安装。
pip install -r requirements.txt
3、权重文件yolov5s.pt默认不存在，可以手动下载。访问https://github.com/ultralytics/yolov5，拉到页面最下面。
4、检测图片，具体的命令（如果上面的步骤没有手动下载yolov5s.pt，此环节会自动下载yolov5s.pt）：
python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/
为了后续规范，可以把yolov5s.pt放在weights文件夹（weights文件夹需要自己新建）。
python detect.py --weights ./weights/yolov5s.pt --img 640 --conf 0.25 --source data/images/
检测结果会自动存放在yolov5-master\runs\detect\exp目录（如exp1、exp2）
F:\python\yolo\yolov5-master\runs\detect\exp
5、调用摄像头进行物体的实时检测，具体的命令：
python detect.py --weights ./weights/yolov5s.pt --source 0
二、训练数据集
1、准备数据集进行标注。图片jpg格式，且必须放在yolov5-master\data\images目录下。
2、data文件夹下新建两个文件夹，分别为dataset、labels。其中，datasets主要用来存放打好标签后的数据集，labels主要用来存放数据标签。
3、labelimg打标签。cmd命令行中输入labelimg。详情可以查看目标检测labelImg图像标注工具
4、数据预处理。
① split.py 作用：分割训练、验证、测试的文件列表。
import os
import random
import argparse
parser = argparse.ArgumentParser()
# 在 add_argument 前，给属性名之前加上“- -”，就能将之变为可选参数。
parser.add_argument('--xml_path', default='data/dataset', type=str, help='input xml label path')
parser.add_argument('--txt_path', default='data/labels', type=str, help='output txt label path')
opt = parser.parse_args()
trainval_percent = 0.9
train_percent = 0.8
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)
# train.txt 是用来训练的图片文件的文件名列表 （训练集）
# val.txt 是用来验证的图片文件的文件名列表 （验证集）
# trianval.txt 是用来训练和验证的图片文件的文件名列表
# test.txt 是用来测试的图片文件的文件名列表 （测试集）
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:
# 去掉后缀，保留文件名
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()
② xml_to_txt.py。作用：格式化数据标签。修改分类标签 classes = [‘mask’]。
import xml.etree.ElementTree as ET
from tqdm import tqdm
import os
from os import getcwd
sets = ['train', 'val', 'test']
# classes = ['1', '5']
classes = ['mask'] # 这里改为你要训练的标签。比如你要识别 mask，那这里就改为mask。
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):
# try:
in_file = open('data/dataset/%s.xml' % (image_id), encoding='utf-8')
out_file = open('data/labels/%s.txt' % (image_id), 'w', encoding='utf-8')
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
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')
# except Exception as e:
# print(e, image_id)
wd = getcwd()
for image_set in sets:
if not os.path.exists('data/labels/'):
os.makedirs('data/labels/')
image_ids = open('data/labels/%s.txt' %
(image_set)).read().strip().split()
list_file = open('data/%s.txt' % (image_set), 'w')
for image_id in tqdm(image_ids):
list_file.write('data/images/%s.jpg\n' % (image_id))
convert_annotation(image_id)
list_file.close()
③ 在data文件夹，新建myvoc.yaml文件。
train: data/train.txt val: data/val.txt # number of classes nc: 1 # class names names : ["mask"]
④ yolov5-master/models/yolov5s.yaml。将nc的位置修改为1 (因为目前只有一个mask标签）。
5、训练自己的数据。cmd命令行。
python train.py --epoch 300 --batch 4 --data ./data/myvoc.yaml --cfg ./models/yolov5s.yaml --weight ./weights/yolov5s.pt --workers 0
yolov5-master\runs\train\exp5\weights\last.pt 训练完成的模型。
best.pt：保存的是中间训练比较好的模型。
last.pt：训练结束后保存的最后模型。
6、异常。RuntimeError: result type Float can‘t be cast to the desired output type __int64报错解决方法。
需要修改util/loss.py。2个地方。
anchors, shape = self.anchors[i], p[i].shape indices.append((b, a, gj.clamp_(0, shape[2] - 1), gi.clamp_(0, shape[3] - 1))) # image, anchor, grid
7、模型测试。yolov5-master\runs\train\exp5\weights\last.pt 拷贝到 yolov5-master\weights\last.pt
python detect.py --weights ./weights/last.pt --img 640 --conf 0.25 --source data/images/
可以通过增加数据集，提高准确度。