YOLOv5训练目标检测步骤
YOLOv5训练目标检测步骤一、数据的准备使用精灵标注助手对图像进行标注,注意标签要用英文,导出PASCAL VOC数据格式;二、数据的规范化将数据导出的xml文件转成yolo需要的txt文件,转换的程序可以用下面网站的转换程序。https://github.com/Ryo-Kawanami/xml2yolo新建两个文件夹train,valid:每个文件夹内包含:这两个文件夹,images文夹放图
文章共602字 · 阅读需要大约3分钟
一键AI生成摘要,助你高效阅读
问答
·
YOLOv5训练目标检测步骤
一、数据的准备
使用精灵标注助手对图像进行标注,注意标签要用英文,导出PASCAL VOC数据格式;
二、数据的规范化
将数据导出的xml文件转成yolo需要的txt文件,转换的程序可以用下面网站的转换程序。
https://github.com/Ryo-Kawanami/xml2yolo
新建两个文件夹train,valid:
每个文件夹内包含:
这两个文件夹,images文夹放图片,lables文件夹放转换后的txt文件。
三、数据配置文件
和train,valid文件夹放到相同路径下。
data.yaml文件内容:
#path of images
train: ../ultralytics_yolov5_master/data/train/images/
val: ../ultralytics_yolov5_master/data/valid/images/
# number of classes
nc: 1
# class names
names: [ 'person' ]
四、训练
python train.py --img 640 --data data/data.yaml --cfg models/yolov5x.yaml --weights weights/yolov5x.pt --batch-size 2 --epochs 50
参数:img设置图像尺寸,建议电脑不行设置小点;
model选择使用哪个模型进行训练;
weights选择yolov5.pt文件
epoch训练次数。
接下来就是等待了。
五、测试
放一张图片检测一下效果,conf-thres;阈值,source:测试图片位置,weights:训练得到的权重
python detect.py --conf-thres 0.1 --source data/images/img.jpg --weights runs/train/exp6/weights/best.pt
更多推荐
已为社区贡献2条内容
所有评论(0)