前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >GitHub YOLOv5 开源代码项目系列讲解(二)------制作和训练自己的数据集

GitHub YOLOv5 开源代码项目系列讲解(二)------制作和训练自己的数据集

作者头像
荣仔_最靓的仔
发布2021-09-07 17:14:32
1.5K1
发布2021-09-07 17:14:32
举报

本专栏将从安装到实例运用全方位系列讲解 GitHub YOLOv5 开源代码。 专栏地址:GitHub YOLOv5 开源代码项目系列讲解

目录

1 总述

2 数据及标签制作

3 训练自己的数据集


1 总述

在 GitHub 上,可点击此链接进行查看 Train Custom Data 细则:https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data

按照官网指示,我们可选用下面链接网站进行线上数据标注:https://www.makesense.ai/

2 数据及标签制作

值得注意的是,yolov5 要求图片与对应标签名称必须一致,且要求必须分别放置到 images 和labels 文件夹中。

而这部分要求,这个线上标注数据的网站就可以帮我们制作好。

点击红框所示部分导入图片数据集

导入成功之后点击 Object Detection,完成我们的目标检测任务

因为我们要做的是口罩+鸭舌帽的目标检测,所以设置两个标签:"mask" 和 "cap"("mask" 标签为 “0”, "cap" 标签为 “1”,顺序很重要喔)。

按照顺序逐个进行标注

标注好之后,下载标注好的标签文件。

这时我们就可以看到对应目标的标签 txt 文件啦。

接下来我们将图片以及目标对应标签分别放置到此 pycharm tree 中

然后在 data 目录下新建一个 mydata.yaml 文件,内容要写清楚 train、val path,标签类数及名称。值得注意的是,类别名按 “0”、“1” 默认排列,要与前几步提到的类别标签一一对应。

3 训练自己的数据集

将自己的 mydata.yaml 路径写到对应参数位置。

在 train.py 中点击运行即可开始训练

按照指示找到自己训练好的模型位置

加下来看看我们在自己训练的模型的预测效果吧

以下展示的是 3 张测试数据集图片。

运行 detect.py 文件后发现目标检测结果与原图一致,说明没有检测出来。原因是训练数据集数据太少,接下来加大训练数据集的量再试试吧!

以上就是制作和训练自己的数据集的全部内容啦,感谢阅读

技术之路,共同进步!冲冲冲!

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2021-07-28 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1 总述
  • 2 数据及标签制作
  • 3 训练自己的数据集
    • 技术之路,共同进步!冲冲冲!
    相关产品与服务
    图像识别
    腾讯云图像识别基于深度学习等人工智能技术,提供车辆,物体及场景等检测和识别服务, 已上线产品子功能包含车辆识别,商品识别,宠物识别,文件封识别等,更多功能接口敬请期待。
    领券
    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档