YOLOv5系列 1、制作自己的数据集
YOLOv5系列 2、使用yolov5识别自己的数据
文章目录
- 前言
- 一、下载Labelme
- 二、Labelme使用步骤
* - 1.打开Labelme
- 2.Labelme标记数据集
- 3.保存为json格式
- 三、json格式转换为txt格式
- 四、建立自己的Yolov5数据集
前言
本文所使用的Yolov5为6.1版本，所用为GPU版（亲测CPU也一样能跑，只是速度会慢很多），使用的环境是torch1.7.1+cuda10.1。
一、下载Labelme
Labelme的安装很简单，如果想直接安装就直接在命令行中：
pip install labelme
如果是想把labelme安装在Anaconda的虚拟环境虚拟环境中，则需要先进入虚拟环境中，再安装：
activate 自己的想安装的环境名称
pip install labelme
如果想用Anaconda单独给Labelme装个虚拟环境则：
conda create -n labelme python=3.6
activate labelme
pip install labelme
二、Labelme使用步骤
1.打开Labelme
根据第一步中安装的位置，使用命令行在相应的位置中直接输入labelme，就可打开：
labelme
因为我是直接安装的，所以没有进虚拟环境。打开后就会自动跳出下面这个界面：
上面标注的是我们标记主要使用的功能，先使用Open dir打开我们图像数据所在文件夹：
2.Labelme标记数据集
这边是从kaggle上下载的一个检测口罩的数据集，然后点击Create Polygons，因为是使用Yolov5做的，所以在图像上点击右键，选择create Rectangle，再将口罩框起来。
然后点击ok，继续标记下一个口罩，全部标记好后，点击下一张或者点击保存：
; 3.保存为json格式
直接进行保存为.json格式即可（这个保存的名字名字是和照片的名字一样的），依照这样一直标记完。
三、json格式转换为txt格式
因为yolov5需要的是照片和txt格式，所以我们得到的json文件不能直接使用，需要先将json转换为txt格式，下面的代码就是将 json转为txt：
import json
import os
name2id = {'Mask': 0,}
def convert(img_size, box):
dw = 1./(img_size[0])
dh = 1./(img_size[1])
x = (box[0] + box[2])/2.0 - 1
y = (box[1] + box[3])/2.0 - 1
w = box[2] - box[0]
h = box[3] - box[1]
x = x*dw
w = w*dw
y = y*dh
h = h*dh
return (x,y,w,h)
def decode_json(json_floder_path,json_name):
txt_name = 'E:\\BaiduNetdiskDownload\\PyTorch-YOLOv3\\data\\custom\\labels\\' + json_name[0:-5] + '.txt'
txt_file = open(txt_name, 'w')
json_path = os.path.join(json_floder_path, json_name)
data = json.load(open(json_path, 'r', encoding='gb2312'))
img_w = data['imageWidth']
img_h = data['imageHeight']
for i in data['shapes']:
label_name = i['label']
if (i['shape_type'] == 'rectangle'):
x1 = int(i['points'][0][0])
y1 = int(i['points'][0][1])
x2 = int(i['points'][1][0])
y2 = int(i['points'][1][1])
bb = (x1,y1,x2,y2)
bbox = convert((img_w,img_h),bb)
txt_file.write(str(name2id[label_name]) + " " + " ".join([str(a) for a in bbox]) + '\n')
if __name__ == "__main__":
json_floder_path = 'E:\\BaiduNetdiskDownload\\PyTorch-YOLOv3\\data\\custom\\json\\'
json_names = os.listdir(json_floder_path)
for json_name in json_names:
decode_json(json_floder_path,json_name)
这边我们就已经得到了yolov5所需要的txt格式的标签文件。
四、建立自己的Yolov5数据集
我这边建立的数据集文件夹的位置如下：
--MaskDataSet
--train
--images
--labels
--test
--images
--labels
--valid
--images
--labels
--data.yaml
--yolov5源码位置
其中images放入图片，labels则放入相应的txt标签文件；data.yaml文件内容如下所示：
train: ../MaskDataSet/train/images
test: ../MaskDataSet/test/images
val: ../MaskDataSet/valid/images
nc: 1
names: ['Mask',]
最后，数据集建立成功！下一步，可以开始训练我们标记的数据集啦~
Original: https://blog.csdn.net/fjlaym/article/details/123992962
Author: 冯璆鸣
Title: YOLOv5系列 1、制作自己的数据集
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/615017/
转载文章受原作者版权保护。转载请注明原作者出处！