不知道是第几次训练了,最开始跑也出现了这个问题,当时怎么解决的时隔了几个月又完全忘了,还好翻看了几个博客后回忆了起来
我自己的数据集的格式是VOC格式,如下图
若没有对数据集进行划分,则使用makeTXT.py对数据集进行划分,若数据集已经划分,则可忽略这一步
import os
import random
trainval_percent = 0.9 #这里是训练集和验证集占数据集的比例
train_percent = 0.9 #这里是训练集在训练集和验证集总集合中占的比例
xmlfilepath = 'data/smokedata/Annotations' #xml文件读取
txtsavepath = 'data/smokedata/ImageSets' #txt文件存放
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
ftrainval = open('data/smokedata/ImageSets/Main/trainval.txt', 'w') #txt文件存放的位置,一般放在ImageSets的Main下
ftest = open('data/smokedata/ImageSets/Main/test.txt', 'w')
ftrain = open('data/smokedata/ImageSets/Main/train.txt', 'w')
fval = open('data/smokedata/ImageSets/Main/val.txt', 'w')
for i in list:
name = total_xml[i][:-4] + '\n'
if i in trainval:
ftrainval.write(name)
if i in train:
ftest.write(name)
else:
fval.write(name)
else:
ftrain.write(name)
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()
对数据集进行划分后一个完整的VOC格式的数据集就已经完成了,划分后的文件结构是这样的
文章来源地址https://www.toymoban.com/news/detail-525685.html
接下来就是将xml文件转为YOLO格式的txt文件,voc_labels.py代码如下:
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
sets = ['train', 'val', 'test']
classes = ["smoke"] #你自己数据集的类别
def convert(size, box):
dw = 1. / size[0]
dh = 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 * dw
w = w * dw
y = y * dh
h = h * dh
return (x, y, w, h)
def convert_annotation(image_id):
in_file = open('data/smoke/self_data/Annotation/%s.xml' %(image_id)) #读取xml的路径
out_file = open('data/smoke/self_data/labels/%s.txt' %(image_id), 'w') #存放label的路径
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'):
# difficult = obj.find('difficult').text
cls = obj.find('name').text
# if cls not in classes or int(difficult) == 1:
# 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()
for image_set in sets:
if not os.path.exists('data/smoke/self_data/labels/'):
os.makedirs('data/smoke/self_data/labels/')
image_ids = open('data/smoke/self_data/ImageSets/Main/%s.txt'
% (image_set)).read().strip().split() #这里读取的是makeTXT.py划分数据集后的txt
list_file = open('data/smoke/self_data/%s.txt' % (image_set), 'w') #这里生成了划分后数据集的具体路径,也是后边yaml需要用到的
for image_id in image_ids:
list_file.write('data/smoke/self_data/images/%s.png\n'
% (image_id)) #把你自己数据集的图片的路径写入上一步的txt文件
convert_annotation(image_id)
list_file.close()
最终文件结构
生成的label下的txt文件:
其中数据格式是:cls_id x y w h 其中坐标(x,y)是中心点坐标,并且是相对于图片宽高的比例值 ,而不是绝对坐标。
解决no label问题的很重要的一点就是,原voc格式的图片存放路径是JPEGImages,而YOLOv5读取的图片路径为images,解决这一点最简单的办法就是新建一个images文件夹,然后将数据集的图片复制一份过来,使模型能读取到label,当然还有别的解决办法,例如修改YOLOv5中读取数据集的代码,只是个人觉得这个办法虽然傻,但很方便简单。
数据格式转化后就可以写自己的yaml文件了:
# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: data/smoke/self_data/train.txt # voclabel.py生成的train.txt的路径
val: data/smoke/self_data/val.txt # voclabel.py生成的val.txt的路径
test: data/smoke/self_data/test.txt
# number of classes
nc: 1
# class names
names: ['smoke']
接下来修改train.py
就可以顺利运行了
文章来源:https://www.toymoban.com/news/detail-525685.html
到了这里,关于解决YOLOv5训练自己的数据集出现No labels in path\train.cache问题的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!