目录

1-- 使用labelimg标注自定数据集

2-- 数据集路径格式

3-- 设置配置文件

4-- 训练

5-- 检测

6-- 参考

7-- 补充问题

---

1-- 使用labelimg标注自定数据集

安装labelimg第三方库

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

运行labelimg

labelimg

Open Dir：需标注的数据集地址 

Change Save Dir：存放已标注数据集 label 的地址

Next Image 和 Prev Image 用于切换下一张和上一张图片

Change save format：注意切换成Yolo的格式

Create RectBox：使用矩形框标注物体的位置

2-- 数据集路径格式

训练集和验证集的路径格式如下：

dataset
       ├─ images
       │    ├─ test # 存放测试集数据（可无）
       │    ├─ train # 存放训练集数据
       │    └─ val # 存放验证集数据
       └─ labels
              ├─ test # 存放测试集标签（可无）
              ├─ train # 存放训练集标签
              ├─ val # 存放验证集标签

举例：

注：存放图片和标签的文件夹需对应相同，如 images 下存放训练集图片  和  labels下 存放训练集标签的文件夹均为train_dataset。（文件夹名可自由定义）

3-- 设置配置文件

①设置数据集的配置文件

参考Yolov5的coco.yaml配置文件

举例：

# 设置路径
path: /civi/dd_Detection_6.28/dataset  # dataset root dir
train: images/train_dataset  # train images dir
val: images/test_dataset  # val images dir
test: # optional
 
# 设置类别Classes 
nc: 1  # number of classes
names: ['done']  # class names

path：数据集的根目录

train：训练集相对于path的路径

val：验证集相对于path的路径

（路径的设置 可参考 第二节数据集路径格式 的举例图）

nc：类别的个数（这里博主用于识别一个类别，因此设置为1）

names：类别的名称

②设置权重文件配置

参考Yolov5提供的预训练权重配置文件（这里博主选用的是yolov5s.yaml，使用yolov5s.pt）

将nc改成类别数目即可，这里博主只识别一个类别

4-- 训练

运行训练代码：

python train.py \
--data /civi/dd_Detection_6.28/train.yaml \
--cfg /civi/dd_Detection_6.28/yolov5s.yaml \
--weights /civi/dd_Detection_6.28/yolov5s.pt \
--epoch 300 --batch-size 8 --device 0

--data：数据集配置文件的地址

--cfg：权重配置文件的地址

--weights: 预训练权重文件的地址（预训练权重下载地址）

--epoch：训练的次数

--batch-size：batch大小

--device：使用cpu或gpu训练

（使用cpu：--device cpu）（使用gpu：--device 0,1..）

其它参数可参考train.py的配置参数

5-- 检测

python detect.py \
--weights /civi/dd_Detection_6.28/test_img/best.pt \
--source /civi/dd_Detection_6.28/test_img/test_ljf/test1.PNG

6-- 参考

参考1

7-- 补充问题

可能遇到的问题1：url错误（可能原因：博主使用的python3.8版本）

解决方法：进入报错的代码。添加以下命令：

import ssl
ssl._create_default_https_context = ssl._create_unverified_context
 

可能遇到的问题2：字体下载响应过慢

解决方法：根据打印的内容，手动下载 字体文件 到 规定的路径 内

举例：训练过程中，博主需下载 Arial.ttf 字体到 /root/.config/Ultralytics 路径内。