系列文章目录
提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
例如：第一章 Python 机器学习入门之pandas的使用
提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档
前言
目标检测模型训练
一、数据预处理
解析标签文件：
由于数据是通过VGG标注工具标注产生的，需要将VGG标注工具产生的标签文件解析为YOLOv5标签文件形式。
1、将图片放置到salacity_v9/images文件夹中，每批数据对应不同的子文件夹；
2、将VGG标注标签文件放置到对应位置，如salacity_v9/annotations_part2；
3、运行parse_json_voclabel.py 对应的解析好的标签文件放置在label文件中
4、将子文件夹中的图片汇总到一个文件夹，如train_v3_part2
5、python move_normal_file.py 清洗标注文件，部分图片虽然有标注，但标注类别的数据可能用不上；
6、python remove_unlable_file.py 清洗标注文件，部分图像没有标注目标，因此数据用不上;
7、将处理好的图像文件和标签文件打包，发送到训练机器。如 zip -r train_v3_part2.zip train_v3_part2/
8、python make_train_val_data_add.py 将新增的训练数据和标签文件加到当前训练集中；如将train_v3_part2中的数据整合到train_v3文件夹中
9、python make_train_val_txt.py 生成训练集和测试集的路径，写到txt文件中
二、模型训练
1.train
nohup python -u train.py --data data/salacity9.yaml --cfg models/yolov5s.yaml --weights '' --batch-size 64 > nohup.out.3 2>&1 &
2.test
data = pd.read_csv(
'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())
总结
提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
|