yolov5目标检测具备一定的小目标检测能力，但由于参与训练的coco数据集缺少小目标素材，故检测小目标有局限。本文利用无人机采集的小目标数据集，对yolov5权重文件进行再训练，提高小目标检测能力。本文仅记录跑通训练的过程，得到一些启示，没有尝试训练整个数据集。
使用visDrone无人机小目标数据集训练yolov5检测器比较
上图用未训练的yolov5s.pt，下图用经过训练的best.pt权重。
可以看出两种检测的区别，其中visDrone训练图片用了其中69张，epoch=100,简单训练已初见成效。而且并没有改变原来的yolov5s模型结构。此测试图来自评估集val。
利用yolov5训练程序，采用visDrone训练集的过程如下：
下载visDrone训练集：https://github.com/VisDrone/VisDrone-Dataset。其中有百度网盘和google drive两种选择，在百度网盘限速时，google drive的下载速度明显快。
新版yolov5提供了visDrone数据集转yolov5训练数据集的格式变换，见yolov5/data/VisDrone.yaml。将该文件中附带的数据集的处理部分，新建visdrone2yolov5.py。
from utils.general import download, os, Path
def visdrone2yolo(dir):
from PIL import Image
from tqdm import tqdm
def convert_box(size, box):
# Convert VisDrone box to YOLO xywh box
dw = 1. / size[0]
dh = 1. / size[1]
return (box[0] + box[2] / 2) * dw, (box[1] + box[3] / 2) * dh, box[2] * dw, box[3] * dh
(dir / 'labels').mkdir(parents=True, exist_ok=True) # make labels directory
pbar = tqdm((dir / 'annotations').glob('*.txt'), desc=f'Converting {dir}')
for f in pbar:
img_size = Image.open((dir / 'images' / f.name).with_suffix('.jpg')).size
lines = []
with open(f, 'r') as file: # read annotation.txt
for row in [x.split(',') for x in file.read().strip().splitlines()]:
if row[4] == '0': # VisDrone 'ignored regions' class 0
continue
cls = int(row[5]) - 1
box = convert_box(img_size, tuple(map(int, row[:4])))
lines.append(f"{cls} {' '.join(f'{x:.6f}' for x in box)}\n")
with open(str(f).replace(os.sep + 'annotations' + os.sep, os.sep + 'labels' + os.sep), 'w') as fl:
fl.writelines(lines) # write label.txt
dir = Path('~/project_name/datasets/VisDrone2019') # AI_datasets文件夹下Visdrone2019文件夹目录
# Convert
for d in 'VisDrone2019-DET-train', 'VisDrone2019-DET-val', 'VisDrone2019-DET-test-dev':
visdrone2yolo(dir / d) # convert VisDrone annotations to YOLO labels
如此，产生符合yolov5训练数据格式的labels。VisDrone原数据集中，VisDrone2019-DET-train目录下有两个目录annotations，images，运行visdrone2yolov5.py后，产生labesl目录。yolov5训练中，仅使用train和val目录下的images和labels。
准备好的数据集结构如下：
构造数据集配置文件，可从VisDrone.yaml修改而得。
# YOLOv5 🚀 by Ultralytics, GPL-3.0 license
# VisDrone2019-DET dataset https://github.com/VisDrone/VisDrone-Dataset by Tianjin University
# Example usage: python train.py --data VisDrone.yaml
# parent
# ├── yolov5
# └── datasets
# └── VisDrone ← downloads here
#Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ~/project_name/datasets/VisDrone2019 # dataset root dir
train: VisDrone2019-DET-train # train images (relative to 'path') 6471 images
val: VisDrone2019-DET-val # val images (relative to 'path') 548 images
#test: VisDrone2019-DET-test-dev # test images (optional) 1610 images
# Classes
nc: 10 # number of classes
names: ['pedestrian', 'people', 'bicycle', 'car', 'van', 'truck', 'tricycle', 'awning-tricycle', 'bus', 'motor']
注：visDrone数据集共有类型11个，此处只用到10个，去除了others，即背景类。
修改yolov5s.yaml，将nc改为10
# Parameters
nc: 10 # number of classes
depth_multiple: 0.33 # model depth multiple
width_multiple: 0.50 # layer channel multiple
anchors:
- [10,13, 16,30, 33,23] # P3/8
- [30,61, 62,45, 59,119] # P4/16
- [116,90, 156,198, 373,326] # P5/32
至此，完成visDrone数据集配置修改，可运行train.py。这里需要对命令行做如下修改：
--data ~/project_name/yolov5/data/myvisDrone.yaml
--cfg ~/project_name/yolov5/models/yolov5s.yaml
--weights ~/project_name/yolov5/weights/yolov5s.pt
--workers 4
--batch-size 4
--epochs 100
其中，workers=4,与主机GPU能力有关；batch-size=4，与GPU内存大小有关。
运行train.py
运行结果存放在yolov5/runs/train/exp文件夹中，得到权重best.pt。
运行detect.py检验权重best.pt的训练效果，得到博文开始的图片。
需注意，检测类别数值。类别car在visDrone中classes=4,而运行detect.py时，类别car的classes=3。原因或许类别值从0开始计算，这与coco数据集类别有不同。
