用YOLOv5训练自己的目标检测数据集（以口罩检测为例）

运行YOLOv5首先需要安装深度学习环境，教程请看安装pytorch深度学习环境（GPU版）。

YOLOv5的代码在GitHub上是开源的GitHub – ultralytics/yolov5，利用其代码实现自己的目标检测需求，需要3个步骤：1.准备数据集；2.配置代码参数，训练模型；3.预测。以下笔者将带大家一步步实现自己的目标检测模型训练。

一、准备数据集

1.1 收集图片

1.2 利用labelimg软件给收集到的图片打标签

1.2.1 labelimg软件的安装

labelimg软件是一款开源的数据标注工具，可以标注三种格式。①VOC标签格式的xml文件。②yolo标签格式的txt文件。③createML标签格式的json文件。

labelimg的安装很简单，我们打开cmd，输入以下命令即可：

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

1.2.2 利用labelimg软件打标签

首先我们不妨建立个名为VOC2007的文件夹，里面创建一个名为JPEGImages的文件夹用以存放我们收集好的需要打标签的图片；再创建一个名为Annotations的文件夹用以存放标注的标签文件；最后创建一个名为 predefined_classes.txt 的txt文件用以存放所要标注的类别名称。结构如下图所示：

在这里我们想要实现的是检测有没有戴口罩，因此predefined_classes.txt文件的类别只有2个，如下图所示：

然后，我们要在VOC2007的目录下(一定要是该目录下)打开cmd,输入以下命令：

labelimg JPEGImages predefined_classes.txt

这个命令的意思是利用labelimg软件给JPEGImages文件夹中的图片，按照 predefined_classes.txt 文件中的分类打标签。

打开后的界面如下图所示，其中

Open Dir是选择存放图片的文件夹，在这里我们的命令将其默认为JPEGImages文件夹；

Change Save Dir是改变存储标签的文件夹，这里我们默认为Annotations文件夹；

PascalVOC是选择标签格式，上边介绍过，主要有3种，我们通常选择PascalVOC的xml格式，YOLO格式也行，两者之间可以相互转换；

Create RectBox是产生打标签的十字位置线，对图片进行标注。

框取目标检测位置后会出现标签选择框，我们选择对应的标签即可，如下图所示。然后就可以点击Next Image对下一幅图片进行标注，直至全部图片标注完成。

两种标签格式如下图所示：

PascalVOC的xml格式：

YOLO的txt格式：

1.3 标签格式的转化及训练集和验证集的划分

1.3.1 xml格式标签转化为txt格式，并划分训练集（80%）和验证集（20%）

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
import random
from shutil import copyfile

classes = ["unmask", "mask"]

TRAIN_RATIO = 80        %训练集的比例

def clear_hidden_files(path):
    dir_list = os.listdir(path)
    for i in dir_list:
        abspath = os.path.join(os.path.abspath(path), i)
        if os.path.isfile(abspath):
            if i.startswith("._"):
                os.remove(abspath)
        else:
            clear_hidden_files(abspath)

def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    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):
    in_file = open('VOCdevkit/VOC2007/Annotations/%s.xml' % image_id)
    out_file = open('VOCdevkit/VOC2007/YOLOLabels/%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))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
    in_file.close()
    out_file.close()

wd = os.getcwd()
wd = os.getcwd()
data_base_dir = os.path.join(wd, "VOCdevkit/")
if not os.path.isdir(data_base_dir):
    os.mkdir(data_base_dir)
work_sapce_dir = os.path.join(data_base_dir, "VOC2007/")
if not os.path.isdir(work_sapce_dir):
    os.mkdir(work_sapce_dir)
annotation_dir = os.path.join(work_sapce_dir, "Annotations/")
if not os.path.isdir(annotation_dir):
    os.mkdir(annotation_dir)
clear_hidden_files(annotation_dir)
image_dir = os.path.join(work_sapce_dir, "JPEGImages/")
if not os.path.isdir(image_dir):
    os.mkdir(image_dir)
clear_hidden_files(image_dir)
yolo_labels_dir = os.path.join(work_sapce_dir, "YOLOLabels/")
if not os.path.isdir(yolo_labels_dir):
    os.mkdir(yolo_labels_dir)
clear_hidden_files(yolo_labels_dir)
yolov5_images_dir = os.path.join(data_base_dir, "images/")
if not os.path.isdir(yolov5_images_dir):
    os.mkdir(yolov5_images_dir)
clear_hidden_files(yolov5_images_dir)
yolov5_labels_dir = os.path.join(data_base_dir, "labels/")
if not os.path.isdir(yolov5_labels_dir):
    os.mkdir(yolov5_labels_dir)
clear_hidden_files(yolov5_labels_dir)
yolov5_images_train_dir = os.path.join(yolov5_images_dir, "train/")
if not os.path.isdir(yolov5_images_train_dir):
    os.mkdir(yolov5_images_train_dir)
clear_hidden_files(yolov5_images_train_dir)
yolov5_images_test_dir = os.path.join(yolov5_images_dir, "val/")
if not os.path.isdir(yolov5_images_test_dir):
    os.mkdir(yolov5_images_test_dir)
clear_hidden_files(yolov5_images_test_dir)
yolov5_labels_train_dir = os.path.join(yolov5_labels_dir, "train/")
if not os.path.isdir(yolov5_labels_train_dir):
    os.mkdir(yolov5_labels_train_dir)
clear_hidden_files(yolov5_labels_train_dir)
yolov5_labels_test_dir = os.path.join(yolov5_labels_dir, "val/")
if not os.path.isdir(yolov5_labels_test_dir):
    os.mkdir(yolov5_labels_test_dir)
clear_hidden_files(yolov5_labels_test_dir)

train_file = open(os.path.join(wd, "yolov5_train.txt"), 'w')
test_file = open(os.path.join(wd, "yolov5_val.txt"), 'w')
train_file.close()
test_file.close()
train_file = open(os.path.join(wd, "yolov5_train.txt"), 'a')
test_file = open(os.path.join(wd, "yolov5_val.txt"), 'a')
list_imgs = os.listdir(image_dir)  # list image files
prob = random.randint(1, 100)
print("Probability: %d" % prob)
for i in range(0, len(list_imgs)):
    path = os.path.join(image_dir, list_imgs[i])
    if os.path.isfile(path):
        image_path = image_dir + list_imgs[i]
        voc_path = list_imgs[i]
        (nameWithoutExtention, extention) = os.path.splitext(os.path.basename(image_path))
        (voc_nameWithoutExtention, voc_extention) = os.path.splitext(os.path.basename(voc_path))
        annotation_name = nameWithoutExtention + '.xml'
        annotation_path = os.path.join(annotation_dir, annotation_name)
        label_name = nameWithoutExtention + '.txt'
        label_path = os.path.join(yolo_labels_dir, label_name)
    prob = random.randint(1, 100)
    print("Probability: %d" % prob)
    if (prob < TRAIN_RATIO):  # train dataset
        if os.path.exists(annotation_path):
            train_file.write(image_path + '\n')
            convert_annotation(nameWithoutExtention)  # convert label
            copyfile(image_path, yolov5_images_train_dir + voc_path)
            copyfile(label_path, yolov5_labels_train_dir + label_name)
    else:  # test dataset
        if os.path.exists(annotation_path):
            test_file.write(image_path + '\n')
            convert_annotation(nameWithoutExtention)  # convert label
            copyfile(image_path, yolov5_images_test_dir + voc_path)
            copyfile(label_path, yolov5_labels_test_dir + label_name)
train_file.close()
test_file.close()

1.3.2 txt标签格式转化为xml格式，然后再利用1.3.1的方法划分数据集

from xml.dom.minidom import Document
import os
import cv2

def makexml(txtPath, xmlPath, picPath):  # txt所在文件夹路径，xml文件保存路径，图片所在文件夹路径
def makexml(picPath, txtPath, xmlPath):  # txt所在文件夹路径，xml文件保存路径，图片所在文件夹路径
    """此函数用于将yolo格式txt标注文件转换为voc格式xml标注文件
    在自己的标注图片文件夹下建三个子文件夹，分别命名为picture、txt、xml
"""
    dic = {'0': "unmask",  # 创建字典用来对类型进行转换
           '1': "mask",  # 此处的字典要与自己的classes.txt文件中的类对应，且顺序要一致
           }
    files = os.listdir(txtPath)
    for i, name in enumerate(files):
        xmlBuilder = Document()
        annotation = xmlBuilder.createElement("annotation")  # 创建annotation标签
        xmlBuilder.appendChild(annotation)
        txtFile = open(txtPath + name)
        txtList = txtFile.readlines()
        img = cv2.imread(picPath + name[0:-4] + ".jpg")
        Pheight, Pwidth, Pdepth = img.shape

        folder = xmlBuilder.createElement("folder")  # folder标签
        foldercontent = xmlBuilder.createTextNode("driving_annotation_dataset")
        folder.appendChild(foldercontent)
        annotation.appendChild(folder)  # folder标签结束

        filename = xmlBuilder.createElement("filename")  # filename标签
        filenamecontent = xmlBuilder.createTextNode(name[0:-4] + ".jpg")
        filename.appendChild(filenamecontent)
        annotation.appendChild(filename)  # filename标签结束

        size = xmlBuilder.createElement("size")  # size标签
        width = xmlBuilder.createElement("width")  # size子标签width
        widthcontent = xmlBuilder.createTextNode(str(Pwidth))
        width.appendChild(widthcontent)
        size.appendChild(width)  # size子标签width结束

        height = xmlBuilder.createElement("height")  # size子标签height
        heightcontent = xmlBuilder.createTextNode(str(Pheight))
        height.appendChild(heightcontent)
        size.appendChild(height)  # size子标签height结束

        depth = xmlBuilder.createElement("depth")  # size子标签depth
        depthcontent = xmlBuilder.createTextNode(str(Pdepth))
        depth.appendChild(depthcontent)
        size.appendChild(depth)  # size子标签depth结束

        annotation.appendChild(size)  # size标签结束

        for j in txtList:
            oneline = j.strip().split(" ")
            object = xmlBuilder.createElement("object")  # object 标签
            picname = xmlBuilder.createElement("name")  # name标签
            namecontent = xmlBuilder.createTextNode(dic[oneline[0]])
            picname.appendChild(namecontent)
            object.appendChild(picname)  # name标签结束

            pose = xmlBuilder.createElement("pose")  # pose标签
            posecontent = xmlBuilder.createTextNode("Unspecified")
            pose.appendChild(posecontent)
            object.appendChild(pose)  # pose标签结束

            truncated = xmlBuilder.createElement("truncated")  # truncated标签
            truncatedContent = xmlBuilder.createTextNode("0")
            truncated.appendChild(truncatedContent)
            object.appendChild(truncated)  # truncated标签结束

            difficult = xmlBuilder.createElement("difficult")  # difficult标签
            difficultcontent = xmlBuilder.createTextNode("0")
            difficult.appendChild(difficultcontent)
            object.appendChild(difficult)  # difficult标签结束

            bndbox = xmlBuilder.createElement("bndbox")  # bndbox标签
            xmin = xmlBuilder.createElement("xmin")  # xmin标签
            mathData = int(((float(oneline[1])) * Pwidth + 1) - (float(oneline[3])) * 0.5 * Pwidth)
            xminContent = xmlBuilder.createTextNode(str(mathData))
            xmin.appendChild(xminContent)
            bndbox.appendChild(xmin)  # xmin标签结束

            ymin = xmlBuilder.createElement("ymin")  # ymin标签
            mathData = int(((float(oneline[2])) * Pheight + 1) - (float(oneline[4])) * 0.5 * Pheight)
            yminContent = xmlBuilder.createTextNode(str(mathData))
            ymin.appendChild(yminContent)
            bndbox.appendChild(ymin)  # ymin标签结束

            xmax = xmlBuilder.createElement("xmax")  # xmax标签
            mathData = int(((float(oneline[1])) * Pwidth + 1) + (float(oneline[3])) * 0.5 * Pwidth)
            xmaxContent = xmlBuilder.createTextNode(str(mathData))
            xmax.appendChild(xmaxContent)
            bndbox.appendChild(xmax)  # xmax标签结束

            ymax = xmlBuilder.createElement("ymax")  # ymax标签
            mathData = int(((float(oneline[2])) * Pheight + 1) + (float(oneline[4])) * 0.5 * Pheight)
            ymaxContent = xmlBuilder.createTextNode(str(mathData))
            ymax.appendChild(ymaxContent)
            bndbox.appendChild(ymax)  # ymax标签结束

            object.appendChild(bndbox)  # bndbox标签结束

            annotation.appendChild(object)  # object标签结束

        f = open(xmlPath + name[0:-4] + ".xml", 'w')
        xmlBuilder.writexml(f, indent='\t', newl='\n', addindent='\t', encoding='utf-8')
        f.close()

if __name__ == "__main__":
    picPath = "VOCdevkit/VOC2007/JPEGImages/"  # 图片所在文件夹路径，后面的/一定要带上
    txtPath = "VOCdevkit/VOC2007/YOLO/"  # txt所在文件夹路径，后面的/一定要带上
    xmlPath = "VOCdevkit/VOC2007/Annotations/"  # xml文件保存路径，后面的/一定要带上
    makexml(picPath, txtPath, xmlPath)

如果标签是txt格式，在转换过程中需要注意几个问题：

1.根据代码最后几行可知，txt便签应存放在YOLO文件夹中；

2.转换成xml格式的标签将存放在Annotations文件夹中；

3.如果出现.shape的报错，检查一下YOLO文件夹中是否存在class.txt文件，删除即可。

这样，准备数据集的部分就完成了。

二、配置代码参数，训练模型

2.1 下载源代码

YOLOv5的代码在GitHub上是开源的GitHub – ultralytics/yolov5，我们可以在网站上下载源代码。如下图所示，在这里我们选择了v6.0版本 。

2.2 加入数据集

将自己准备好的数据集放入项目目录下的VOCdevkit文件夹中，利用1.3中介绍的标签转换和数据集划分方法划分数据集，如下图所示：

2.3 配置代码参数

1.在pycharm右下角选择配置好的pytorch环境，如果还未安装环境，请参考以前的文章；

2.安装yolov5需要的依赖库。打开pycharm的命令终端，输入以下命令，如图所示：

pip install -r requirements.txt

3.下载预权重文件。网站预权重下载，这里我们使用yolov5s.pt，下载好放置于项目目录下。

4.修改数据配置文件。

①data文件夹下的VOC.yaml文件在该目录下复制一份，命名为mask.yaml，参照下图进行修改。

5.train文件参数设置

如下图所示，436行是设置预权重文件，437行和438行是设置数据配置文件，440行设置迭代次数（可根据需求自行设定）。

以上参数配置完成后，就可以运行train.py文件进行训练。但可能会碰到一下问题：

问题一：

这是说明虚拟内存不够了。我们可以通过修改utils路径下的datasets.py文件，将里面第117行的num_workers参数nw改完0就可以了。

问题二：

这说明GPU显存溢出。我们可以通过减小batch-size和workers参数大小来解决。

完成以上参数配置后，我们就可以训练自己的数据了。运行train.py文件，Run栏如下图所示即表明开始训练了。

三、预测

完成训练后，项目将出现runs/train/exp文件夹，里边包含训练好的权重数据和其他参数文件，如下图所示：

然后我们打开detect.py文件，修改如下参数。269行是设置训练好权重文件，270行是设置我们待检测的图片文件夹或特定图片或调用摄像头，0表示调用摄像头。

设置完成后，运行detect.py文件即可，检测结果保存在runs\detect\exp文件夹中。

检测结果如下所示：

这样，我们就完成了一个基于YOLOv5训练自己的目标检测数据集的实验项目。感觉检测结果是不是很惊喜呢，可能也会觉得过程很繁琐或者不清晰。熟能生巧，大家多做实践，很快就能掌握其中的要点。好的，谢谢大家，如果有遇到其他问题，大家可以交流。

Original: https://blog.csdn.net/cxzgood/article/details/124618506
Author: 仲夏夜之梦xz
Title: 用YOLOv5训练自己的目标检测数据集（以口罩检测为例）