目录
一、github官方网址及环境搭建
https://github.com/ultralytics/yolov5/tree/v6.1
环境搭建：
（1）、python>=3.8
（2）、pytorch>=1.7
（3）、进入yolov5目录下，下载依赖：pip install -r requirements.txt # install
二、labelme标记数据集：
（1）、进入虚拟环境
（2）、pip install labelme
（3）、labelme打开
（4）、注意选择自动保存
注：labelme 支持jpg等格式，不支持HEIC格式，图片格式转化网址（一次只支持转化10张图片）：HEIC转JPG – 免费在线将HEIC文件转换成JPG (cdkm.com)
https://cdkm.com/cn/heic-to-jpg ;
三、json转为txt
labelme保存的是json文件，需要将json文件转化为txt文件，用于label标签
可用python代码批量转化json文件：
import json
import os
标签名称，labelme做了几个标签这里就填几个
name2id = {'fruit': 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:\\***\\***\\目标检测\\labels\\' + json_name[0:-5] + '.txt'
# 存放txt文件夹的绝对路径
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__":
# 存放json文件夹的绝对路径
json_floder_path = 'E:\\***\\***\\目标检测\\20220808json'
json_names = os.listdir(json_floder_path)
for json_name in json_names:
decode_json(json_floder_path, json_name)
四、训练集train和验证集valid
train或者valid中保存的images和labels中的文件名是一一对应的
五、代码修改
（1）yolov5-6.1/utils/dataset.py
num_workers=0
（2）yolov5-6.1\data\fruittest.yaml 修改训练数据
fruittest.yaml代码：
train: ../train/images
val: ../valid/images
Classes
nc: 1 # number of classes
names: ['fruit'] # class names
六、开始训练
python train.py --data fruittest.yaml --cfg yolov5s.yaml --weights yolov5s.pt --batch-size 32 --epoch 200
七、预测
python detect.py --source data/video --weights runs/train/exp6/weights/best.pt --data data/pitaya.yaml
纯绿色火龙果检测结果：https://live.csdn.net/v/230691
绿色火龙果，红色火龙果，火龙果花检测结果：https://live.csdn.net/v/230716
八、问题与反思
（1）、问题描述：AttributeError: ‘NoneType’ object has no attribute ‘_free_weak_ref’
解决办法：修改yolov5-6.1/utils/dataset.py中num_workers
num_workers=0
Original: https://blog.csdn.net/qq_42051389/article/details/126248773
Author: yyhappy9
Title: 基于yolov5的目标检测火龙果
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/681524/
转载文章受原作者版权保护。转载请注明原作者出处！