训练yolov5的那些事之解决：AssertionError: Label class x exceeds nc=x in data/yolov5.yaml. Possible class labels are 0-x-1问题

• 问题详情
• • 大多博客给出的方法
  • 我的解决方法
• 总结
• 参考资料

问题详情

Yolov5报错：
AssertionError: Label class x exceeds nc=x in data/yolov5.yaml. Possible class labels are 0-x-1
File “C:\Users\1\Desktop\水表识别\YOLO5\yolov5-master\train.py”, line 175, in train
assert mlc < nc, ‘Label class %g exceeds nc=%g in %s. Possible class labels are 0-%g’ % (mlc, nc, opt.data, nc – 1)

大多博客给出的方法

找到train文件的175行：

assert mlc < nc, 'Label class %g exceeds nc=%g in %s. Possible class labels are 0-%g' % (mlc, nc, opt.data, nc - 1)

改成这样

#assert mlc < nc, 'Label class %g exceeds nc=%g in %s. Possible class labels are 0-%g' % (mlc, nc, opt.data, nc - 1)

注释掉

我的解决方法

这个问题从原理上来说，是你的检测框xml文件转到（yolo）txt后，类别编号没有从0开始。导致类别的索引超出了范围，yolov5中默认是从0开始到x-1，x是你的检测类别。解决方法很简单，先检查你的txt标签文件中是否从0开始，若不是则使用以下代码，classes中的类别应与您检测的类别对应：

# 缺陷坐标xml转txt
import os
import xml.etree.ElementTree as ET
import os
import random
classes = ["fire","smoke"]  # 输入类别名称，必须与xml标注名称一致

def convert(size, box):
    print(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):
    if not os.path.exists('data/labels/'):
        os.makedirs('data/labels/')
    in_file = open(r'./data/Annotations/%s' % (image_id), 'rb')  # 读取xml文件路径
    out_file = open('./data/labels/%s.txt' % (image_id.split('.')[0]), 'w')  # 需要保存的txt格式文件路径
    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 not in classes:
            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')


image_ids_train = os.listdir('./data/Annotations')  # 读取xml文件名索引
for image_id in image_ids_train:
    print(image_id)
    convert_annotation(image_id)


trainval_percent = 0.1  # 可自行进行调节
train_percent = 1
xmlfilepath = './data/Images'

total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
ftest = open('./data/test.txt', 'w')
ftrain = open('./data/train.txt', 'w')

for i in list:
    name = total_xml[i] + '\n'
    if i in trainval:
        if i in train:
            ftest.write('data/Images/' + name)
    else:
        ftrain.write('data/Images/' + name)
ftrain.close()
ftest.close()

如果没有解决的话可能是因为您的txt（标签文件）中的类别数与训练的yaml文件中的类别数不对应导致，注意nc的数目并查看txt（标签文件中）是否从0开始到nc-1。
其他解决方法：txt格式的labels每个种类标的是有序号的，由xml或者json格式转化为xml时会在每个坐标前生成一个序号，从0开始。（如果是删除了几个种类之后，种类数减少，但序号不会改变） 打开labels标签的每个文件，把序号从0开始再改过一遍。或者在xml格式删除种类之后再转化为txt格式

总结

在使用yolov5框架时这个问题是非常常见的，好在yolo系列比较成熟，对小白特别友好。在遇到问题时多查阅资料，只要保证一一对应，训练行容易上手，后续想要发一下yolov5网络中添加即插即用模块的博客，还望多多关注！当然如果您的代码仍有问题，也可私信我抽空给您远程协助，谢谢观看！

参考资料

参考的链接: https://blog.csdn.net/qq_45714906/article/details/120528631