yolov5训练自己的数据

1. 环境搭建

安装anaconda、python、 cuda、 cudnn、 pytorch、 torchvision、 torchaudio等等。这里不详述

2. 数据准备

如果网上能找到开源数据集最好，找不到的话，需要自己爬取。
以下是爬取图片的代码：

from bs4 import BeautifulSoup

# -*- coding:utf-8
import re
import requests
from urllib import error
from bs4 import BeautifulSoup
import os


urlHead = 'https://photo.fengniao.com/'  # 爬取网站地址
url = 'https://photo.fengniao.com/pic_48723655.html'  # 网站中一张图片地址，即爬取的初始位置


def getHtmlurl(url):  # 获取网址
    try:
        r = requests.get(url)
        # 解决解析乱码问题
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""


def getpic(html):  # 获取图片地址并下载，再返回下一张图片地址
    # 指定BeautifulSoup的解析器为：html.parser
    soup = BeautifulSoup(html, 'html.parser')

    all_img = soup.find('a', class_='downPic')
    img_url = all_img['href']

    reg = r'
(.*?)
'
    # 找到网页源代码中图片链接的位置，使用 正则表达式截取图片链接
    r'(.*)'  # 正则表达式
    reg_ques = re.compile(reg)  # 编译一下正则表达式，运行的更快
    image_name = reg_ques.findall(html)  # 匹配正则表达式

    urlNextHtml = soup.find('a', class_='right btn')
    urlNext = urlHead + urlNextHtml['href']

    print('正在下载：' + img_url)
    root = 'F:\YOLO-datasets\other'
    path = os.path.join(root,image_name[0] + '.jpg')
    try:  # 创建或判断路径图片是否存在并下载
        if not os.path.exists(root):
            os.mkdir(root)
        if not os.path.exists(path):
            r = requests.get(img_url)
            with open(path, 'wb') as f:
                f.write(r.content)
                f.close()
                print("图片下载成功")
        else:
            print("文件已存在")
    except:
        print("爬取失败")
    return urlNext


# 主函数
def main():
    html = (getHtmlurl(url))
    print(html)
    return getpic(html)

num = 0
numPicture = 0
file = ''
List = []

#检测图片数量函数
def Find(url):
    global List  #设置为全局变量
    print('正在检测图片总数，请稍等.....')
    t = 0  #objURL 分页数初始值
    i = 1
    s = 0
    while t < 1000:
        Url = url + str(t) # url地址加上分页数
        try:
            Result = requests.get(Url, timeout=7) #获取到url.timeout时间为7秒.如果获取不到7秒后退出
        except BaseException:
            t = t + 60 #源代码分页数为60
            continue
        else:
            result = Result.text #以encoding解析返回内容。字符串方式的响应体，会自动根据响应头部的字符编码进行解码。
            pic_url = re.findall('"objURL":"(.*?)",', result, re.S)  # 先利用正则表达式找到图片url
            s += len(pic_url) #根据正则表达式循环取出图片.(根据图片的数量长度来取,其实就是统计图片的个数)
            if len(pic_url) == 0: #长度为0说明没有符合条件的图片了退出
                break
            else:
                List.append(pic_url) #将取出的图片存入到list中去
                t = t + 60
    return s

#推荐函数（推荐函数，主要是根据你键入的文本，在百度图片里找到相似的内容，返回给用户，类似于百度搜索的最下面）
def recommend(url):
    Re = []
    try:
        html = requests.get(url) #获取url
    except error.HTTPError as e:
        return
    else:
        html.encoding = 'utf-8'  #html解码格式为utf-8
        bsObj = BeautifulSoup(html.text, 'html.parser') #html.text 根据encoding定义的code返回内容. html.parser 是解析器
        div = bsObj.find('div', id='topRS') # 通过find()函数获取标签

        if div is not None:
            listA = div.findAll('a')  #获取子标签 find_All（）返回的是一个list find()直接返回结果
            for i in listA:
                if i is not None:
                    Re.append(i.get_text())
        return Re

#下载图片函数
def dowmloadPicture(html, keyword):
    global num
    # t =0
    pic_url = re.findall('"objURL":"(.*?)",', html, re.S)  # 先利用正则表达式找到图片url
    print('找到关键词:' + keyword + '的图片，即将开始下载图片...')
    for each in pic_url:
        print('正在下载第' + str(num + 1) + '张图片，图片地址:' + str(each))
        try:
            if each is not None:
                pic = requests.get(each, timeout=7)
            else:
                continue
        except BaseException:
            print('错误，当前图片无法下载')
            continue
        else:
            string = file + r'\\' + keyword + '_' + str(num) + '.jpg'
            fp = open(string, 'wb')
            fp.write(pic.content)
            #text 返回的是unicode 型的数据，一般是在网页的header中定义的编码形式。
            # content返回的是bytes，二级制型的数据。也就是说你如果想要提取文本就用text.但是如果你想要提取图片、文件，就要用到content
            fp.close()
            num += 1
        if num >= numPicture:
            return


if __name__ == '__main__':  # 主函数入口
    word = input("请输入搜索关键词(可以是人名，地名等): ")
    # add = 'http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%E5%BC%A0%E5%A4%A9%E7%88%B1&pn=120'
    url = 'http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=' + word + '&pn='
    tot = Find(url)
    Recommend = recommend(url)  # 记录相关推荐
    print('经过检测%s类图片共有%d张' % (word, tot))
    numPicture = int(input('请输入想要下载的图片数量 '))
    file = input('请建立一个存储图片的文件夹，输入文件夹名称即可')
    y = os.path.exists(file)
    if y == 1:
        print('该文件已存在，请重新输入')
        file = input('请建立一个存储图片的文件夹，)输入文件夹名称即可')
        os.mkdir(file)
    else:
        os.mkdir(file)
    t = 0
    tmp = url
    while t < numPicture:
        try:
            url = tmp + str(t)
            result = requests.get(url, timeout=10)
            print(url)
        except error.HTTPError as e:
            print('网络错误，请调整网络后重试')
            t = t + 60
        else:
            dowmloadPicture(result.text, word)
            t = t + 60

    print('当前搜索结束，感谢使用')
    print('猜你喜欢')
    for re in Recommend:
        print(re, end='  ')

# 循环下载图片！
#if __name__ == '__main__':
#    for i in range(1, 50):
#        url = main()

以上代码是转过来的，出处记不清了，不过很好用。
注意：数据量一般应该在500张以上，正反例至少是1:1，反例不需要标注，但是需要生成label文件，只不过文件是空的

3. 数据标注

数据标注可以使用X-AnyLabeling进行自动标注，省事省心
参考：
X-Anylabeling: 一款多SOTA深度学习模型集成的新一代自动标注工具
https://github.com/CVHub520/X-AnyLabeling/blob/main/docs/zh_cn/custom_model.md
https://github.com/CVHub520/X-AnyLabeling

注意：

• 自动标注
  点击下图中，1、AI按钮，2、选择模型，如果本地没有模型，将会自动下载，自动下载可能会很慢，可以手动下载，下载地址：
  https://github.com/CVHub520/X-AnyLabeling/blob/main/docs/zh_cn/custom_model.md
  

• 选择输出格式时，需要加载一个分类文件，这个分类文件是个简单的txt，内容一行一个分类即可。
  
  

• 设置模型识别的目标，找到模型下载目录下的config.yaml，增加filter_classes:字段
  模型下载存储目录C:\Users\Administrator\anylabeling_data\models
  比如只识别飞机

filter_classes:
- airplane
classes:
- person
- bicycle
- car
- motorcycle
- airplane

4. 数据整理

4.1 数据集切分

训练集、验证集、测试集的比例是训练集80%，验证集和测试集分别是10~20%
images和labels都要进行切分，存储在相应的目录下
yolov5的数据目录结构如下：

4.2 修改数据文件

将yolov5的data目录下，coco.yaml复制一份并重命名，修改内容中的数据文件路径、数据文件名、分类数及分类名。
如下：

# YOLOv5  by Ultralytics, GPL-3.0 license
# COCO 2017 dataset http://cocodataset.org
# Example usage: python train.py --data coco.yaml
# parent
# ├── yolov5
# └── datasets
#     └── coco  ← 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: ./data/datasets/airplane  # dataset root dir
train: train.txt  # train images (relative to 'path') 118287 images
val: val.txt  # train images (relative to 'path') 5000 images
test: test.txt  # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

# Classes
nc: 2  # number of classes
names: ['airplane', 'other']  # class names

4.3 修改模型文件

以训练yolov5m.yaml模型为例，复制一份yolov5m.yaml并重命名，修改文件中的nc为训练数据的类别数即可。
如下：

nc: 2  # number of classes
depth_multiple: 0.67  # model depth multiple
width_multiple: 0.75  # 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
。。。

5. 训练模型

5.1 训练

python train.py --weights yolov5m6.pt --data data/airplane.yaml --img 640 --device 0 --cfg models/yolov5m-airplane.yaml --batch-size 8 --epochs 100

• –weights 加载预训练权重
• –data 数据文件路径
• –img 输入数据分辨率640
• –device GPU编号
• –cfg 模型配置文件

5.2 验证

python val.py --weights E:\code\other\yolov5-6.0\runs\train\exp10\weights\best.pt --data ./data/airplane.yaml --img 640 --iou-thres 0.65 --conf-thres 0.25

5.3 测试

python detect.py --weights E:\code\other\yolov5-6.0\runs\train\exp10\weights\best.pt --source ./data/datasets/airplane/images/test --conf-thres 0.25 --iou-thres 0.45 --save-txt --save-conf```

6. 训练结果分析

参考：链接