图像识别之Yolov5训练自己的模型

图像识别之Yolov5训练自己的模型

文章目录

• 图像识别之Yolov5训练自己的模型
• 一、简介
• 2.注释图像
• 三、数据集的划分
• 四、配置训练文件
• 1、修改yolov5l.yaml配置文件
• 2、修改coco128.yaml配置文件
• 5.开始训练
• 6. 培训成果展示
• 1、训练相关参数
• 2、测试
• 7. 总结

一、简介

上一篇文章讲解了如何使用Yolov5的原有的模型进行识别，本文将会介绍使用Yolov5来进行自己的数据集的训练。

上一篇文章的链接是：
https://blog.csdn.net/m0_54218263/article/details/122601330?spm=1001.2014.3001.5501

2.注释图像

首先，我们需要获取数据。您可以根据自己的需要和数据要求，选择从不同的数据集中下载获取。此处无需赘述。获取数据后，需要对数据进行标注。我使用的在线标签平台模式：

https://www.makesense.ai/

我打算用猫狗的图片来训练，最后希望能准确识别出这两种动物。

在下面。让我们标记数据集：

导入数据：

添加标签：

手动圈出绘图空间：

一个图像可以有多个狗：

一张图片也可以只有一只狗：

一个图像可以有多个猫：

一张图片也可以只有一只猫：

在我们完成所有图像的标记后，我们需要导出标签：

然后，我们需要对数据集进行分类：

三、数据集的划分

将自定义测试的图像数据和标签数据集分别 划分为：训练集、验证集、测试集，，比例根据数据量不同，一般可以为 96%:2%:2%

将图片和标签放在如上所示的文件夹中：

这里需要注意的是，标签和图片需要一一对应。

四、配置训练文件

我们需要配置训练文件，以便我们可以根据自己的数据进行训练。

我们需要对后缀名为yaml的文件进行修改，从而使得它们满足我们自己的训练的需求：

1、修改yolov5l.yaml配置文件

我们在models下面找到yolov5l，因为我是准备使用yolov5l.pt来进行训练，因此使用这个配置文件来进行修改，这里只需要修改一个位置：

2、修改coco128.yaml配置文件

在这里，我们找到data下面的coco128文件，复制一份，然后将download注释掉，修改数目，修改标签的名称，然后就修改完成了。

5.开始训练

 python train.py --cfg models/myyolov5l.yaml --data data/mycoco.yaml --weights yolov5l.pt --epoch 150 --batch-size 32

如果你不想要这么高的训练准确率，你可以稍微降低它：

python train.py --cfg models/myyolov5s.yaml --data data/mycoco.yaml --weights yolov5s.pt --epoch 150 --batch-size 32

接下来是一个漫长的训练过程。

6. 培训成果展示

1、训练相关参数

训练完成后，会有一些训练过程或结果的记录，这里展示一些：










接下来我们用图片来测试一下，看看训练效果如何。

2、测试

 python detect.py --weights runs/train/exp3/weights/best.pt --source data/test/test1.jpg

这是测试的语法：

 python detect.py --weights runs/train/exp3/weights/best.pt --source data/test/test1.jpg

7. 总结

以上就是，使用yolov5来训练自己的数据集的一个案例，希望对大家有帮助，最后，谢谢大家的阅读与支持，喜欢的话就点个赞，我一定会再接再厉接着加油的呢。