• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊

目标

具体实现

（一）环境

语言环境：Python 3.10
编 译 器: PyCharm
框 架: YOLOV5

（二）具体步骤

1. 下载数据

百度网盘：百度网盘 请输入提取码
压缩文件中有两个文件夹，分别是Annotations和ImageSet文件夹，我的理解：
ImageSet：原始图片
Annotations：针对原始图片标注了有效信息的文件，比如位置信息等。

2. 配置开发环境

• 第1天课里已经下载了yolov5的github项目，将该项目作为项目文件，通过各类IDE打开即可。你可能需要安装依赖包（pip install -r requirement.txt)，可能需要配置python解释器和虚拟环境。
• 在项目根目录下本身有一个data文件，里面有很多预置的数据集文件。为了区分，我在根目录下建立一个mydata的文件夹，然后将下载的数据解压后的两个文件夹copy到mydata中。
• 

3. 预处理数据

• 脚本1：1. 数据集划分 (split_train_val.py) ：将数据分为训练集、验证集和测试集
  • 输出：
    • ImageSets/Main/train.txt：训练集文件名列表
    • ImageSets/Main/val.txt：验证集文件名列表
    • ImageSets/Main/test.txt：测试集文件名列表
• 脚本2：2. 格式转换 (voc_label.py)：将VOC格式(XML格式）转换为YOLO格式（TXT格式，具体查询资料）
  • 输出：
    • labels/：YOLO格式标注文件夹
    • train.txt：训练集图像路径列表
    • val.txt：验证集图像路径列表

split_train_val.py脚本代码：

# 导入必要的库  
import os  
import random  
import argparse  
  
# 创建一个参数解析器  
parser = argparse.ArgumentParser()  
  
# 添加命令行参数，用于指定XML文件的路径，默认为 'Annotations' 文件夹  
parser.add_argument('--xml_path', default='Annotations', type=str, help='input xml label path')  
  
# 添加命令行参数，用于指定输出txt标签文件的路径，默认为 'ImageSets/Main' 文件夹  
parser.add_argument('--txt_path', default='ImageSets/Main', type=str, help='output txt label path')  
  
# 解析命令行参数  
opt = parser.parse_args()  
  
# 定义训练验证集和测试集的划分比例  
trainval_percent = 1.0  # 使用全部数据  
train_percent = 0.9  # 训练集占训练验证集的90%  
  
# 设置XML文件夹的路径，根据命令行参数指定  
xmlfilepath = opt.xml_path  
  
# 设置输出txt标签文件的路径，根据命令行参数指定  
txtsavepath = opt.txt_path  
  
# 获取XML文件夹中的所有XML文件列表  
total_xml = os.listdir(xmlfilepath)  
  
# 如果输出txt标签文件的文件夹不存在，创建它  
if not os.path.exists(txtsavepath):  
    os.makedirs(txtsavepath)  
  
# 获取XML文件的总数  
num = len(total_xml)  
  
# 创建一个包含所有XML文件索引的列表  
list_index = range(num)  
  
# 计算训练验证集的数量  
tv = int(num * trainval_percent)  
  
# 计算训练集的数量  
tr = int(tv * train_percent)  
  
# 从所有XML文件索引中随机选择出训练验证集的索引  
trainval = random.sample(list_index, tv)  
  
# 从训练验证集的索引中随机选择出训练集的索引  
train = random.sample(trainval, tr)  
  
# 打开要写入的训练验证集、测试集、训练集、验证集的txt文件  
file_trainval = open(txtsavepath + '/trainval.txt', 'w')  
file_test = open(txtsavepath + '/test.txt', 'w')  
file_train = open(txtsavepath + '/train.txt', 'w')  
file_val = open(txtsavepath + '/val.txt', 'w')  
  
# 遍历所有XML文件的索引  
for i in list_index:  
    name = total_xml[i][:-4] + '\n'  # 获取XML文件的名称（去掉后缀.xml），并添加换行符  
  
    # 如果该索引在训练验证集中  
    if i in trainval:  
        file_trainval.write(name)  # 写入训练验证集txt文件  
        if i in train:  # 如果该索引在训练集中  
            file_train.write(name)  # 写入训练集txt文件  
        else:  
            file_val.write(name)  # 否则写入验证集txt文件  
    else:  
        file_test.write(name)  # 否则写入测试集txt文件  
  
# 关闭所有打开的文件  
file_trainval.close()  
file_train.close()  
file_val.close()  
file_test.close()

voc_label.py代码：

# -*- coding: utf-8 -*-  
  
# 导入必要的库  
import xml.etree.ElementTree as ET  
import os  
from os import getcwd  
  
# 定义数据集的名称  
sets = ['train', 'val', 'test']  
  
# 定义类别列表，这里有两个类别，可以根据需要添加更多类别  
classes = ["A", "B"]  # 请根据您的数据集修改这些类别名称  
  
# 获取当前工作目录的绝对路径  
abs_path = os.getcwd()  
print(abs_path)  
  
# 定义一个函数，将边界框的坐标从绝对值转换为相对于图像大小的比例  
def convert(size, box):  
    dw = 1. / (size[0])  # 计算图像宽度的倒数  
    dh = 1. / (size[1])  # 计算图像高度的倒数  
    x = (box[0] + box[1]) / 2.0 - 1  # 计算中心点的x坐标  
    y = (box[2] + box[3]) / 2.0 - 1  # 计算中心点的y坐标  
    w = box[1] - box[0]  # 计算边界框的宽度  
    h = box[3] - box[2]  # 计算边界框的高度  
    x = x * dw  # 缩放x坐标  
    w = w * dw  # 缩放宽度  
    y = y * dh  # 缩放y坐标  
    h = h * dh  # 缩放高度  
    return x, y, w, h  
  
# 定义一个函数，将标注文件从XML格式转换为YOLO格式  
def convert_annotation(image_id):  
    in_file = open('./Annotations/%s.xml' % (image_id), encoding='UTF-8')  # 打开XML标注文件  
    out_file = open('./labels/%s.txt' % (image_id), 'w')  # 打开要写入的YOLO格式标签文件  
    tree = ET.parse(in_file)  # 解析XML文件  
    root = tree.getroot()  
  
    filename = root.find('filename').text  # 获取图像文件名  
    filenameFormat = filename.split(".")[1]  # 获取文件格式  
  
    size = root.find('size')  # 获取图像尺寸信息  
    w = int(size.find('width').text)  # 获取图像宽度  
    h = int(size.find('height').text)  # 获取图像高度  
    for obj in root.iter('object'):  
        difficult = obj.find('difficult').text  # 获取对象的难度标志  
        cls = obj.find('name').text  # 获取对象的类别名称  
        if cls not in classes or int(difficult) == 1:  
            continue  
        cls_id = classes.index(cls)  # 获取类别的索引  
        xmlbox = obj.find('bndbox')  # 获取边界框坐标信息  
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),  
             float(xmlbox.find('ymax').text))  
        b1, b2, b3, b4 = b  
        # 标注越界修正  
        if b2 > w:  
            b2 = w  
        if b4 > h:  
            b4 = h  
        b = (b1, b2, b3, b4)  
        bb = convert((w, h), b)  # 调用convert函数，将边界框坐标转换为YOLO格式  
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')  # 写入YOLO格式标签文件  
  
    return filenameFormat  
  
# 获取当前工作目录  
wd = getcwd()  
  
# 遍历每个数据集（train、val、test）  
for image_set in sets:  
    # 如果labels目录不存在，创建它  
    if not os.path.exists('./labels/'):  
        os.makedirs('./labels/')  
    # 从数据集文件中获取图像ID列表  
    image_ids = open('./ImageSets/Main/%s.txt' % (image_set)).read().strip().split()  
    # 打开要写入的文件，写入图像的文件路径和格式  
    list_file = open('./%s.txt' % (image_set), 'w')  
    for image_id in image_ids:  
        filenameFormat = convert_annotation(image_id)  
        list_file.write(abs_path + '/images/%s.%s\n' % (image_id, filenameFormat))  # 注意你的图片格式，如果是.jpg记得修改  
    list_file.close()

**（三）数据集配置文件（*.yaml） - 必须要有

我在mydata文件夹下创建了first.yaml文件，内容如下：

#path: ../datasets/coco  # dataset root dir  
train: ./mydata/train.txt  # train images (relative to 'path') 118287 images  
val: ./mydata/val.txt  # train images (relative to 'path') 5000 images  
#test: test-dev2017.txt  
  
nc: 1  # number of classes  
  
names: ['unripe citrus'] # 改成自己的类别

数据集配置文件（通常命名为*.yaml）是YOLOv5训练的核心配置文件，它告诉YOLOv5框架：

• 数据集在哪里
• 如何划分训练/验证/测试集
• 有多少个类别
• 每个类别叫什么名字

运行

> python .\train.py --img 900 --batch-size 2 --epochs 100 --data .\mydata\first.yaml --cfg .\models\yolov5s.yaml --device cpu

运行完成后，在runs\train\exp5下面保存了best.pt模型文件，可以利用这个文件来做预测。