想学一下cv ,但是劝退了 配置真的要了个命 我RTX2060的显卡 最后只能拿cpu训练真的是要了个命
现在 记录一下学习过程
下载图片编辑功能
就是那个标注数据集的 .网上也查了不少资料... 要了个亲命, 那种什么json转txt 饶了我吧
最后发现这种是最简单的方式
使用pip工具进行安装LabelImg windos系统
pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple
安装完以后直接 cmd 输入 labelimg 就可以了
标注常用的快捷键
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
使用标注的十字架，框住要标注的目标即可，如下图，是我对公章数据进行标注：
标注的时候，会把predefined_classes.txt预定义的标加载出来，然后我们只要选择对应的标签即可
右上角会显示已经标注目标的标签
一定要选择yolo 的格式导出
他会自动创建一个class
例如我训练的是两个杯子
绿的和蓝色的 绿的为 A 蓝的 为 B
之后文件夹以这种形式 分布
YOLO_A (
images (
test
train
)
labels (
test
train
)
)
上面的放图片 下面的放 txt 和class 标注
下载yolov5
直接这个网站 现在zip 解压
https://github.com/ultralytics/yolov5
然后创建虚拟环境 ,然后安装 ,在yolo安装文件目录下
pip install -r requirements.txt
注意 这里安装的是cpu 版本 我尝试的 搞过gpu版本 最终结果就是版本不适配报错 搞不明白
测试能不能用
直接在文件夹根目录环境下 python detect.py
测试能不能用
如果出现图 然后在 ..yolov5-master unsdetectexp 这个目录下出现了 两个 画框的 图片 就代表能用
制作训练集
这部很简单 只要按照 我开始说的那个下载明白了 这个肯定能用明白
目录要像我这么分
然后目录分完后要复制一个 yaml 的文件 配置内容 如图
要配置 训练地址和 val 地址
nc 是需要分类的个数
names 是名字 要与文件中的class 文件夹对应
自己训练
python train.py --img 640 --batch 13 --epochs 100 --data ../yolo_A/A.yaml --weights yolov5s.pt --nosave --cache
这个在官网有其他的 比如 yolov5s.pt yolov5x.pt
s 是比较快的 但是效果一般
x 比较慢的 但是效果比较好
然后训练完以后会出现了两个 文件 best.pt last.pt 精确最高 效果最好
训练如图
cpu 训练超级慢
其中两个参数
batch 13 -->每轮训练多少张图
epochs 100 -->训练多少轮
测试及适用
python detect.py --weights d:/my-yolov5/yolov5-master/yolov5-master/runs/train/exp5/weights/best.pt --img 640 --conf 0.25 --source ../test2.jpg --view-img