平台：Windows

准备数据集

  • 文件夹结构规划 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    yolo_datasets/
    ├── vocdata/
    │   ├── images/          # 存放图像数据
    │   │   ├── train/       # 训练集
    │   │   ├── predict/     # 预测集
    │   │   └── detect/      # 检测集
    │   └── labels/          # 存放标签
    │       └── train/       # 训练标签
    └── weights/
        ├── best.pt          # 训练权重
        └── classes.txt      # 分类文件（需与LabelImg标注一致）

进行标注

  • 使用 labelImg 进行标注，修改分类文件 
    1
    2
    3
    4
    # 主要的快捷键
    w 创建矩形框
    d 下一张
    a 上一张
    注意数据保存格式使用 YOLO，这会将标签以 .txt 格式保存到 labels/train 目录。

开始训练，使用CPU

  • 下载yolov5工程，配置环境 
    1
    pip install -r requirements.txt
  • 修改路径配置，指定数据集合路径 
    1
    2
    3
    拷贝data/***.yaml  my_data.yaml
    修改指定自己的数据集路径
           修改分类对应关系
  • 修改model配置，指定分类数量 
    1
    2
    拷贝mode/***.yaml  my_model.yaml
    修改nc为自己的分类数量
  • 修改train.py 
    1
    指定自己修改的my_data.yaml;my_model.yaml
  • 执行训练 
    1
    2
    python train.py
           将训练的best.pt保存到`weights`目录
  • 数据集版本管理：使用git lfs存储 
    1
    git lfs tract *.jpg #指定.jpg格式为lfs大文件存储