YOLOv5 训练找不到标签, No labels found in /path/train.cache 问题的解决方法(亲测可用)
❤️ 网上绝大部分教程所述解决方法都不靠谱，也没有分析问题发生的原因，本文彻底解决了YOLOv5训练时找不到标签，出现 No labels found in /path/train.cache 的问题！希望通过本文，在配置环境的过程中，为各位解决一些不必要的麻烦。——©️ Sylvan Ding
版本系统YOLOv5 v6.1Linux
出现 No labels found 的原因主要有两点，一方面是因为网上下载的数据集只提供了其专属的标签格式，需要转换成YOLOv5格式的标签；另一方面则是因为项目目录的组织问题。本文重点探讨后者，即 由项目目录的组织问题而引起的找不到标签的问题，这类问题网上的解答较少。
标签格式有误
网上下载的数据集大多数只提供 VOC 格式的 .xml 标记文件，存放于 annotations 文件夹中，或是其他格式的标记文件。此时，就应当先编写程序，将标签转换成YOLOv5所需格式。
YOLOv5标签格式说明
After using a tool like Roboflow Annotate to label your images, export your labels to YOLO format, with one
*.txtfile per image (if no objects in image, no*.txtfile is required). The*.txtfile specifications are:
- One row per object
-
Each row is
class x_center y_center width heightformat. -
Box coordinates must be in normalized xywh format (from 0 – 1). If your boxes are in pixels, divide
x_centerandwidthby image width, andy_centerandheightby image height. -
Class numbers are zero-indexed (start from 0).
; convert VOC to YOLOv5
VOC到YOLOv5格式转换，可以参考 yolov5/data/VOC.yaml中，36行 convert_label()，其中 convert_box()提供了坐标转换功能。
def convert_label(path, lb_path, year, image_id):
def convert_box(size, box):
dw, dh = 1. / size[0], 1. / size[1]
x, y, w, h = (box[0] + box[1]) / 2.0 - 1, (box[2] + box[3]) / 2.0 - 1, box[1] - box[0], box[3] - box[2]
return x * dw, y * dh, w * dw, h * dh
in_file = open(path / f'VOC{year}/Annotations/{image_id}.xml')
out_file = open(lb_path, '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'):
cls = obj.find('name').text
if cls in yaml['names'] and not int(obj.find('difficult').text) == 1:
xmlbox = obj.find('bndbox')
bb = convert_box((w, h), [float(xmlbox.find(x).text) for x in ('xmin', 'xmax', 'ymin', 'ymax')])
cls_id = yaml['names'].index(cls)
out_file.write(" ".join([str(a) for a in (cls_id, *bb)]) + '\n')
注：
convert_box(size, box),bb = convert_box((w, h), [float(xmlbox.find(x).text) for x in ('xmin', 'xmax', 'ymin', 'ymax')])
❤️ 具体实现细节可以参考其他博主的文章，这类文章比较多。
其他格式转换成YOLOv5
对其他不同格式的标记文件，需要手动编写程序以转换成YOLOv5格式标记。
yolov5/utils/general.py中的一些函数也许能给您提供一些启发，如 xyxy2xywh(), xywh2xyxy()… 他们负责坐标格式的转换。
项目目录的结构有误
在得到正确的标签格式后，仍出现 No labels found错误，这时考虑项目目录组织结构出现错误。
正确的目录结构
coco
⭐️ 先放结论，以COCO为例，正确的目录结构应当为：
../datasets/coco128/images/im0.jpg
../datasets/coco128/labels/im0.txt
path: ../datasets/coco
train: train2017.txt
val: val2017.txt
test: test-dev2017.txt
datasets文件夹和yolov5文件夹同级，datasets下建立各个数据集文件。以coco为例，images文件夹 直接存放所有图片数据，labels文件夹 直接存放图片对应的*.txt标记文件。
.
├── images
│ ├── 20151127_114556.jpg
│ ├── 20151127_114946.jpg
│ └── 20151127_115133.jpg
├── labels
│ ├── 20151127_114556.txt
│ ├── 20151127_114946.txt
│ └── 20151127_115133.txt
- 注意，
images和labels文件夹的命名均不能改成别的！原因稍后再说。 train2017.txt,val2017.txt,test-dev2017.txt中存放训练集、验证集、测试集的图片文件路径，其内容如下所示：
./images/20151127_114556.jpg
./images/20151127_114946.jpg
./images/20151127_115133.jpg
coco128
如果你想用coco128的文件组织形式：
path: ../datasets/coco128
train: images/train2017
val: images/train2017
test:
则 datasets目录结构应当为：
coco128
├── images
│ ├── test
│ │ └── 20151127_115133.jpg
│ └── train2017
│ └── 20151127_114556.jpg
└── labels
├── test
│ └── 20151127_115133.txt
└── train2017
└── 20151127_114556.txt
- 注意，
images和labels文件夹的命名均不能改成别的！ images和labels文件夹内，创建相互对应的文件夹用来存放训练集、验证集、测试集，文件夹名字要一致，没有要求，但需要在coco128.yaml中设置。
错误原因探究
yolov5/utils/datasets.py 391行 img2label_paths(img_paths) 定义了图片路径到标签路径的映射，447行 self.label_files = img2label_paths(self.im_files) # labels 调用 img2label_paths() 以生成 label_files.
def img2label_paths(img_paths):
sa, sb = os.sep + 'images' + os.sep, os.sep + 'labels' + os.sep
return [sb.join(x.rsplit(sa, 1)).rsplit('.', 1)[0] + '.txt' for x in img_paths]
YOLOv5 locates labels automatically for each image by replacing the last instance of
/images/in each image path with/labels/.
即YOLOv5会自动将图片路径 ../datasets/coco128/images/*.jpg更改为 ../datasets/coco128/labels/*.txt，以寻找labels路径！
如何解决问题？
在上述 label_files 赋值后，打印 label_files，我们就能得到标记的路径，再根据打印出的路径修改自己项目的文件路径，方能解决一切问题！
; 参考文献
Cannot find labels in train.cache custom dataset COCO #6158
Original: https://blog.csdn.net/IYXUAN/article/details/124339385
Author: Sylvan Ding
Title: 一文彻底解决YOLOv5训练找不到标签问题
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/624986/
转载文章受原作者版权保护。转载请注明原作者出处！