YOLOv5系列 1、制作自己的数据集
YOLOv5系列 2、使用yolov5识别自己的数据
前言
本文所使用的Yolov5为6.1版本,所用为GPU版(亲测CPU也一样能跑,只是速度会慢很多),使用的环境是torch1.7.1+cuda10.1。
一、下载Labelme
Labelme的安装很简单,如果想直接安装就直接在命令行中:
pip install labelme
如果是想把labelme安装在Anaconda的虚拟环境虚拟环境中,则需要先进入虚拟环境中,再安装:
activate 自己的想安装的环境名称
pip install labelme
如果想用Anaconda单独给Labelme装个虚拟环境则:
conda create -n labelme python=3.6
activate labelme
pip install labelme
二、Labelme使用步骤
1.打开Labelme
根据第一步中安装的位置,使用命令行在相应的位置中直接输入labelme,就可打开:
labelme
因为我是直接安装的,所以没有进虚拟环境。打开后就会自动跳出下面这个界面:
上面标注的是我们标记主要使用的功能,先使用Open dir打开我们图像数据所在文件夹:
2.Labelme标记数据集
这边是从kaggle上下载的一个检测口罩的数据集,然后点击Create Polygons,因为是使用Yolov5做的,所以在图像上点击右键,选择create Rectangle,再将口罩框起来。
然后点击ok,继续标记下一个口罩,全部标记好后,点击下一张或者点击保存:
3.保存为json格式
直接进行保存为.json格式即可(这个保存的名字名字是和照片的名字一样的),依照这样一直标记完。
三、json格式转换为txt格式
因为yolov5需要的是照片和txt格式,所以我们得到的json文件不能直接使用,需要先将json转换为txt格式,下面的代码就是将json转为txt:
import json
import os
name2id = {'Mask': 0,} #具体自己数据集类别
def convert(img_size, box):
dw = 1./(img_size[0])
dh = 1./(img_size[1])
x = (box[0] + box[2])/2.0 - 1
y = (box[1] + box[3])/2.0 - 1
w = box[2] - box[0]
h = box[3] - box[1]
x = x*dw
w = w*dw
y = y*dh
h = h*dh
return (x,y,w,h)
def decode_json(json_floder_path,json_name):
#转换好txt的标签路径
txt_name = 'E:\\BaiduNetdiskDownload\\PyTorch-YOLOv3\\data\\custom\\labels\\' + json_name[0:-5] + '.txt'
txt_file = open(txt_name, 'w')
json_path = os.path.join(json_floder_path, json_name)
data = json.load(open(json_path, 'r', encoding='gb2312'))
img_w = data['imageWidth']
img_h = data['imageHeight']
for i in data['shapes']:
label_name = i['label']
if (i['shape_type'] == 'rectangle'):
x1 = int(i['points'][0][0])
y1 = int(i['points'][0][1])
x2 = int(i['points'][1][0])
y2 = int(i['points'][1][1])
bb = (x1,y1,x2,y2)
bbox = convert((img_w,img_h),bb)
txt_file.write(str(name2id[label_name]) + " " + " ".join([str(a) for a in bbox]) + '\n')
if __name__ == "__main__":
#原始json标签路径
json_floder_path = 'E:\\BaiduNetdiskDownload\\PyTorch-YOLOv3\\data\\custom\\json\\'
json_names = os.listdir(json_floder_path)
for json_name in json_names:
decode_json(json_floder_path,json_name)
这边我们就已经得到了yolov5所需要的txt格式的标签文件。
四、建立自己的Yolov5数据集
我这边建立的数据集文件夹的位置如下:
--MaskDataSet
--train
--images
--labels
--test
--images
--labels
--valid
--images
--labels
--data.yaml
--yolov5源码位置
其中images放入图片,labels则放入相应的txt标签文件;data.yaml文件内容如下所示:文章来源:https://www.toymoban.com/news/detail-693161.html
train: ../MaskDataSet/train/images
test: ../MaskDataSet/test/images
val: ../MaskDataSet/valid/images
#如果按照上述方式建立文件夹,则上面train、test和val地址可以不变
nc: 1 #标签类别个数
names: ['Mask',] #标签名
#上面nc和names可以根据自己的数据集进行修改
最后,数据集建立成功!下一步,可以开始训练我们标记的数据集啦~文章来源地址https://www.toymoban.com/news/detail-693161.html
到了这里,关于YOLOv5系列 1、制作自己的数据集的文章就介绍完了。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!