YOLOv5s的模型训练与使用(纯小白入门)
概要
本文主要面向第一次使用yolov5，连参数都不会配置的纯小白，记录了我自己初次使用的过程。
从下载yolov5，安装依赖，到训练模型和进行识别。
下载yolov5与安装依赖
git方式：
git clone https://github.com/ultralytics/yolov5.git
从github直接下载zip并解压：
https://github.com/ultralytics/yolov5
使用pycharm直接把这个文件夹作为项目打开。
首次使用我们要使用两个文件，以后会接触其他文件：
- train.py 是我们进行训练的脚本
- detect.py 是进行检测的脚本
此时，import torch 会划线并报错，因为我的环境中并没有pytorch
安装 pytorch：
我是用的 Annaconda 3 (Python 3.8) 环境，自带了conda.exe 命令，所以用了如下命令
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
其他环境的安装方式参考pytorch官网：
https://pytorch.org/get-started/locally/
安装完毕之后，pycharm上的红线就没了，也就是说可以运行了。
按道理说这时候应该可以了，但是我出现了 “wandb 未注册异常” ：
wandb.errors.UsageError: api_key not configured (no-tty). call wandb.login(key=[your_api_key])详情见踩坑记录
但是pycharm提示说有一些库没有安装，要自己装上
没有安装的这些库最好用pip安装，pip安装的一般是最新的，我用的conda清华的镜像，下载之后报错 opencv-python>=4.1.2 not found ，conda下载的这个是旧版本的，我又用的pip下载，成功下载了最新版。
pip install opencv-python
没有的依赖以此类推，进行安装。
训练
我使用的是东北大学的钢材表面缺陷数据集，这几天外网进不去了，但是度盘可以：链接：https://pan.baidu.com/s/1NaSVKLEiM_XUHRAToWR38Q 提取码：tdrd
训练数据要配置运行参数和进行数据集的规整，这里我们先从运行参数入手：
这里我们配置了三个参数：
data: 数据配置文件的路径，在这个文件里我们要指定样本集和验证集数据的相关路径等东西，程序会从中获取数据集的路径
cfg: 模型配置文件的路径，这个不需要我们配置，这里不再展开
batch-size : 每一次训练所选取的样本数，视情况而定
在 data.yaml 中我配置如下：
train: ../NEU-DET/train/images
val: ../NEU-DET/valid/images
nc: 6
names: ['crazing', 'inclusion', 'patches', 'pitted_surface', 'roll-in_scale', 'scratches']
从中可以看出，我的训练集和验证集相对于这个项目的根目录的路径、类别的数量和每一类的标签名称。
标签名称在我们训练集、验证集的图像的前缀是一样的。
我们配置了image目录，程序会自动在同级目录下寻找labels目录，从中读取标签。
这样我们的目录就配置完成了。
下面向里面复制数据。
image中存放图像数据，labels中存放候选框的方位，每一个图片对应一个同名标签（图片和标签只是后缀不一样，名字是一样的）
但是我们下载下来的文件中有一个annotations文件夹（存放标签），和一个images文件夹（存放图片数据）标签数据，标签数据是xml，我们需要转化成txt，在annotation同级目录下创建LABELS，并把下面这个脚本放在annotation同级目录下执行，即可转化标签为txt格式：
# 来源：https://www.bilibili.com/video/BV1Bv411H7ER?p=5
import xml.etree.ElementTree as ET
from os import getcwd
import glob
classes = ['crazing', 'inclusion', 'patches', 'pitted_surface', 'rolled-in_scale', 'scratches']
def convert(size, box):
delta_w = 1. / size[0]
delta_h = 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 * delta_w
w = w * delta_w
y = y * delta_h
h = h * delta_h
return x, y, w, h
def convert_annotation(image_name):
in_file = open('./ANNOTATIONS/' + image_name[:-3] + 'xml')
out_file = open('./LABELS/' + image_name[:-3] + 'txt', 'w')
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:
print(cls)
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')
wd = getcwd()
if __name__ == '__main__':
for image_path in glob.glob('./ANNOTATIONS/*.xml'):
# 获取文件名
image_name = image_path.split('\\')[-1]
# 转换
convert_annotation(image_name)
在图片中选取一部分作为验证集，放在 NEU-DET/valid/images中，同时把对应的标签放在NEU-DET/valid/labels中，其他的放在NEU-DET/train 中对应的 images和labels中。
这样我们的数据就做好了。目录总览：
运行一下，如下说明跑起来了：
看白色字体：本次的日志保存在了runs\train\exp10文件夹
进入这个文件夹：
weight中存放的是训练好的模型数据，一个是最好的(best.pt)，一个是最近的(last.pt)，我们在进行检测的时候会用到。
检测
检测图片
执行脚本detect.py 下面的运行参数：
--source ../NEU-DET/valid/images/scratches_1.jpg # 目标文件路径
--weights ./runs/train/exp/weights/best.pt # 这个是权重文件，也就是我们训练的时候生成的
--conf 0.3 # 置信度
--output ../NEU-DET/output # 这个文件夹需要事先创建
--view-img # 识别的时候实时显示画面
直接运行即可，以下是结果
实时检测视频
执行脚本dectect.py 下面是运行参数
--source 0 # 0 代表本机摄像头
--weights ./runs/train/exp/weights/best.pt # 这个是权重文件，也就是我们训练的时候生成的
--conf 0.3 # 置信度
--view-img # 识别的时候实时显示画面
直接运行即可。
这是训练了11轮取得最好的参数
我用电脑的摄像头，然后用手机演示的照片，检测的置信度只有0.39
