- yolov5数据增强jupyter示例
- Bilibili视频讲解地址: 《yolov5 解读,训练,复现》
- Bilibili视频讲解PPT文件: yolov5_bilibili_talk_ppt.pdf
- Bilibili视频讲解PPT文件: yolov5_bilibili_talk_ppt.pdf (gitee链接)
- 训练 COCO2017(val 5k)
- 检测效果
- 精度/召回率
pip3 install -r requirements.txt
- 训练
python3 train.py
- tensorboard
tensorboard --host 0.0.0.0 --logdir ./logs/ --port 8053 --samples_per_plugin=images=40
- 查看
http://127.0.0.1:8053
- 测试, 修改
detect.py
里面input_image
和model_path
python3 detect.py
- labelme打标自己的数据
- 打开
data/labelme2coco.py
脚本, 修改如下地方
input_dir = '这里写labelme打标时保存json标记文件的目录'
output_dir = '这里写要转CoCo格式的目录,建议建一个空目录'
labels = "这里是你打标时所有的类别名, txt文本即可, 每行一个类, 类名无需加引号"
- 执行
data/labelme2coco.py
脚本会在output_dir
生成对应的json文件和图片 - 修改
train.py
文件中coco_annotation_file
以及num_class
, 注意classes
通过CoCoDataGenrator(*).coco.cats[label_id]['name']
可获得,由于coco中类别不连续,所以通过coco.cats拿到的数组下标拿到的类别可能不准. - 开始训练,
python3 train.py