标题Yolov5模型训练检测及文件配置方法

一、为什么使用YOLOv5

二、常用的软件工具

2.1 Anaconda
https://www.anaconda.com/products/individual

2.2 PyCharm
https://www.jetbrains.com/zh-cn/pycharm/download/

2.3 LabelImg
https://github.com/tzutalin/labelImg

三、图片标注

为了训练自己的数据集，需要将自己的图片及要识别的物体进行标注，俗称“打标签”，本文使用LabelImg工具对图像进行标注。
3.1 左侧工具栏

Open Dir：待标注图片数据的路径文件夹

Change Save Dir：保存类别标签的路径文件夹

PascalVOC：标注的标签保存成VOC格式
3.2 上方菜单栏

Auto Save mode：当你切换到下一张图片时，就会自动把上一张标注的图片标签自动保存下来，这样就不用每标注一样图片都按Ctrl+S保存一下了

Display Labels：标注好图片之后，会把框和标签都显示出来

Advanced Mode：这样标注的十字架就会一直悬浮在窗口，不用每次标完一个目标，再按一次W快捷键，调出标注的十字架。
3.3 其它快捷键：
W：调出标注的十字架，开始标注

A：切换到上一张图片

D：切换到下一张图片

Ctrl+S：保存标注好的标签

del：删除标注的矩形框

Ctrl+鼠标滚轮：按住Ctrl，然后滚动鼠标滚轮，可以调整标注图片的显示大小

Ctrl+U：选择要标注图片的文件夹

Ctrl+R：选择标注好的label标签存放的文件夹

↑→↓←：移动标注的矩形框的位置
3.4 标注样例

四、环境配置

4.1 打开Anaconda Prompt

在安装好Anaconda之后，Win+S进入搜索框，搜索Anaconda Prompt，打开


4.2 创建PyTorch环境
输入指令：

conda create -n pytorch python=3.9

如出现提示询问“是否”，一律输入y，回车，即可。

其中“pytorch”为该环境名称，可改为任意名称，为方便起见，下文一律使用pytorch作为该环境名
4.3 使用PyTorch环境
输入命令：

conda activate pytorch

4.4 安装PyTorch
在使用pytorch环境后，进入PyTorch官网（PyTorch官网），选择自己电脑相应配置，下图为本机使用配置，可作为参考。注意Compute Platform查看好设备显卡是否支持CUDA以及支持版本。

复制Run this Command中的命令到Anaconda Prompt中，回车，即可运行。如询问问题，一律选择y即可。

至此，环境配置安装完成。

五、YOLOv5代码

5.1 代码获取
进入GitHub上官方网页（ultralytics/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite (github.com)。

点击左上角分支按钮，点击Tags，可以选择代码版本，本文使用v6.0

右上角点击点击Code → Download ZIP

解压后放在想要的项目文件夹中即可。
5.2 打开项目以及环境配置
右键项目文件夹→Open Folder as PyCharm Project

进入PyCharm后，左上角菜单栏选择File→Settings进入设置界面。找到Project：xxxx选项→Python Interpreter，下拉菜单选择环境。

如果没有选项，可以点击右侧齿轮图标，在Conda Environment→Existing environment中找到相应位置，选择编译器。

设置好后如图，然后点击Apply。

下方点击Terminal打开命令行窗口，输入指令：

conda activate pytorch
pip install -r requirements.txt

等待安装好所有所需文件即可。
5.3 代码文件
其中主要涉及到的两个文件，一个是train.py用于训练，一个是detect.py用于检测。
5.3.1 train.py
主要需要了解的是451行开始的parse_opt函数，代码如下

def parse_opt(known=False):
   parser = argparse.ArgumentParser()
   parser.add_argument('--weights', type=str, default=ROOT / 'yolov5s.pt', help='initial weights path')
   parser.add_argument('--cfg', type=str, default='', help='model.yaml path')
   parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='dataset.yaml path')
   parser.add_argument('--hyp', type=str, default=ROOT / 'data/hyps/hyp.scratch.yaml', help='hyperparameters path')
   parser.add_argument('--epochs', type=int, default=300)
   parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs, -1 for autobatch')
   parser.add_argument('--imgsz', '--img', '--img-size', type=int, default=640, help='train, val image size (pixels)')
   parser.add_argument('--rect', action='store_true', help='rectangular training')
   parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')
   parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')
   parser.add_argument('--noval', action='store_true', help='only validate final epoch')
   parser.add_argument('--noautoanchor', action='store_true', help='disable AutoAnchor')
   parser.add_argument('--evolve', type=int, nargs='?', const=300, help='evolve hyperparameters for x generations')
   parser.add_argument('--bucket', type=str, default='', help='gsutil bucket')
   parser.add_argument('--cache', type=str, nargs='?', const='ram', help='--cache images in "ram" (default) or "disk"')
   parser.add_argument('--image-weights', action='store_true', help='use weighted image selection for training')
   parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
   parser.add_argument('--multi-scale', action='store_true', help='vary img-size +/- 50%%')
   parser.add_argument('--single-cls', action='store_true', help='train multi-class data as single-class')
   parser.add_argument('--optimizer', type=str, choices=['SGD', 'Adam', 'AdamW'], default='SGD', help='optimizer')
   parser.add_argument('--sync-bn', action='store_true', help='use SyncBatchNorm, only available in DDP mode')
   parser.add_argument('--workers', type=int, default=8, help='max dataloader workers (per RANK in DDP mode)')
   parser.add_argument('--project', default=ROOT / 'runs/train', help='save to project/name')
   parser.add_argument('--name', default='exp', help='save to project/name')
   parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
   parser.add_argument('--quad', action='store_true', help='quad dataloader')
   parser.add_argument('--linear-lr', action='store_true', help='linear LR')
   parser.add_argument('--label-smoothing', type=float, default=0.0, help='Label smoothing epsilon')
   parser.add_argument('--patience', type=int, default=100, help='EarlyStopping patience (epochs without improvement)')
   parser.add_argument('--freeze', nargs='+', type=int, default=[0], help='Freeze layers: backbone=10, first3=0 1 2')
   parser.add_argument('--save-period', type=int, default=-1, help='Save checkpoint every x epochs (disabled if < 1)')
   parser.add_argument('--local_rank', type=int, default=-1, help='DDP parameter, do not modify')
   \# Weights & Biases arguments
   parser.add_argument('--entity', default=None, help='W&B: Entity')
   parser.add_argument('--upload_dataset', nargs='?', const=True, default=False, help='W&B: Upload data, "val" option')
   parser.add_argument('--bbox_interval', type=int, default=-1, help='W&B: Set bounding-box image logging interval')
   parser.add_argument('--artifact_alias', type=str, default='latest', help='W&B: Version of dataset artifact to use')
   opt = parser.parse_known_args()[0] if known else parser.parse_args()
   return opt

epochs：指的就是训练过程中整个数据集将被迭代多少次。

batch-size：一次看完多少张图片才进行权重更新，梯度下降的mini-batch。

cfg：存储模型结构的配置文件

data：存储训练、测试数据的文件

img-size：输入图片宽高。

rect：进行矩形训练

resume：恢复最近保存的模型开始训练

nosave：仅保存最终checkpoint

notest：仅测试最后的epoch

evolve：进化超参数

bucket：gsutil bucket

cache-images：缓存图像以加快训练速度

weights：权重文件路径

name： 重命名results.txt to results_name.txt

device：cuda device, i.e. 0 or 0,1,2,3 or cpu

adam：使用adam优化

multi-scale：多尺度训练，img-size +/- 50%

single-cls：单类别的训练集
5.3.2 detect.py
其中需要了解的是第216行开始的parse_opt函数，代码如下：

def parse_opt():
    parser = argparse.ArgumentParser()
    parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path(s)')
    parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob, 0 for webcam')
    parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='(optional) dataset.yaml path')
    parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640], help='inference size h,w')
    parser.add_argument('--conf-thres', type=float, default=0.25, help='confidence threshold')
    parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS IoU threshold')
    parser.add_argument('--max-det', type=int, default=1000, help='maximum detections per image')
    parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
    parser.add_argument('--view-img', action='store_true', help='show results')
    parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')
    parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')
    parser.add_argument('--save-crop', action='store_true', help='save cropped prediction boxes')
    parser.add_argument('--nosave', action='store_true', help='do not save images/videos')
    parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --classes 0, or --classes 0 2 3')
    parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')
    parser.add_argument('--augment', action='store_true', help='augmented inference')
    parser.add_argument('--visualize', action='store_true', help='visualize features')
    parser.add_argument('--update', action='store_true', help='update all models')
    parser.add_argument('--project', default=ROOT / 'runs/detect', help='save results to project/name')
    parser.add_argument('--name', default='exp', help='save results to project/name')
    parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
    parser.add_argument('--line-thickness', default=3, type=int, help='bounding box thickness (pixels)')
    parser.add_argument('--hide-labels', default=False, action='store_true', help='hide labels')
    parser.add_argument('--hide-conf', default=False, action='store_true', help='hide confidences')
    parser.add_argument('--half', action='store_true', help='use FP16 half-precision inference')
    parser.add_argument('--dnn', action='store_true', help='use OpenCV DNN for ONNX inference')
    opt = parser.parse_args()
    opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1  # expand
    print_args(FILE.stem, opt)
    return opt

weights：训练的权重

source：测试数据，可以是图片/视频路径，也可以是’0’(电脑自带摄像头),也可以是rtsp等视频流

output：网络预测之后的图片/视频的保存路径

img-size：网络输入图片大小

conf-thres：置信度阈值

iou-thres：做nms的iou阈值

device：设置设备

view-img：是否展示预测之后的图片/视频，默认False

save-txt：是否将预测的框坐标以txt文件形式保存，默认False

classes：设置只保留某一部分类别，形如0或者0 2 3

agnostic-nms：进行nms是否也去除不同类别之间的框，默认False

augment：推理的时候进行多尺度，翻转等操作(TTA)推理

update：如果为True，则对所有模型进行strip_optimizer操作，去除pt文件中的优化器等信息，默认为False

六、训练自定义数据集

6.1 文件夹及数据准备
在项目文件夹中创建dataset文件夹

在dataset文件夹中创建三个文件夹：images，annotations，imagesets

将标注过的图片移入images文件夹

将标注生成的xml文件移入annotations文件夹

在imagesets文件夹中创建main文件夹

在dataset文件夹中创建python代码split_train_val.py：

# coding:utf-8
import os
import random
import argparse
parser = argparse.ArgumentParser()
#xml文件的地址，根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument('--xml_path', default='annotations', type=str, help='input xml label path')
#数据集的划分，地址选择自己数据下的ImageSets/Main
parser.add_argument('--txt_path', default='imagesets/main', type=str, help='output txt label path')
opt = parser.parse_args()
trainval_percent = 1.0
train_percent = 0.9
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)
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:
    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()

注意其中有些目录需要修改为自己计算机上对应目录

运行代码，会在main文件夹中自动生成如下四个文件：

6.2 准备标签文件
在dataset文件夹中新建python代码文件voc_label.py：

# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET
import os
from os import getcwd
sets = ['train', 'val', 'test']
classes = ["hat", "no hat"]   # 改成自己的类别
abs_path = os.getcwd()
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):
    #修改自己电脑上对应文件目录
    in_file = open('D:/dev/yolov5-master/dataset/annotations/%s.xml' % (image_id), encoding='UTF-8')
    out_file = open('D:/dev/yolov5-master/dataset/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
        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:
    #修改为自己电脑上对应目录
    if not os.path.exists('D:/dev/yolov5-master/dataset/labels/'):
        os.makedirs('D:/dev/yolov5-master/dataset/labels/')
    image_ids = open('D:/dev/yolov5-master/dataset/imagesets/main/%s.txt' % (image_set)).read().strip().split()
    list_file = open('D:/dev/yolov5-master/dataset/%s.txt' % (image_set), 'w')
    for image_id in image_ids:
        list_file.write(abs_path + '\images\%s.jpg\n' % (image_id))
        convert_annotation(image_id)
    list_file.close()

注意修改代码中地址为自己计算机文件中地址、修改标签类别为标注的类别

运行后dataset文件夹中会生成labels文件夹，以及三个txt文件：test.txt，train.txt，val.txt，如下图所示：

6.3 创建数据集配置文件
在data文件夹中新建CustomData.yaml：

train: D:\dev\yolov5-master\dataset\train.txt
val: D:\dev\yolov5-master\dataset\val.txt
# number of classes
nc: 2
# class names
names: ['hat', 'no hat']

注意需要修改文件路径、标签类别数量、以及类别名称
6.4 模型配置
在项目目录下的model文件夹下是模型的配置文件，这边提供s、m、l、x版本，逐渐增大（随着架构的增大，训练时间也是逐渐增大），假设采用yolov5s.yaml，只用修改一个参数，把nc改成自己的类别数

6.5 训练模型
在train.py文件中修改模型配置路径：

其他参数也可根据需要进行修改，具体请翻阅5.3.1 train.py

在命令行中输入编译运行开始训练：

python train.py --img 640 --batch 8 --epoch 200 --data data/CustomData.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt –-device 0

因为本机只有一张显卡，所以device设为0，若有多张显卡，可设为0,1等

6.6 训练结果
最后结果会保存在项目目录下的runs/train文件夹中，如下图：

其中权重文件在weights文件夹中，包含best.pt，是效果最好的权重，以及last.pt是最后一次训练的权重。

七、目标识别

下面主要涉及detect.py代码文件
7.1 待检测目标存放
–source可以选择待检测目标的源地址，可以是图片、视频、或者rtps监控视频源等。下以保存在项目目录中data/images文件夹中为例，也就是默认文件夹。

7.2 选择权重文件
权重文件选择刚才训练好的best.pt即可，在–weights中改为刚才训练的best.pt的路径，如图：
7.3 识别
运行detect.py即可，结果默认存放在runs/detect中，如图：

备注：以上教程来自https://www.bbsmax.com/A/ZOJPNbD2dv/这篇文章，担心时间久了遗忘，避免找不到教程，因此总结到本人博客来，便于后续查阅学习。