•   🍨 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

一、环境准备：

因为高版本的pytorch可能会出现报错（并不影响运行）、因此重新布置cuda和torch的环境

python=3.8.0

torch==1.10.0+cu113

torchvision==0.11.1+cu113

二、准备自己的数据集

这里使用的是kaggle上面的水果检测数据集，如果有需要的可以自行搜索进行下载。

下载图片后，设置好目录结构。

• 主目录
•         fruitdata（自己创建一个文件夹，将数据放到这里）
•                 Annotations（放置我们的.xml文件）
•                 images（放置图片文件）
•                 lmageSets
•                         Main（会在该文件夹内自动生成 train.txt、val.txt、test.txt 和 trainval.txt 四个文件存放训练集、验证集、测试集图片的名字）

目录结构如图所示：

Annotations文件夹为xml文件，我的文件如下：

images 文件夹：

我images文件位.png格式，官方的为.jpg，不过问题不大后面改一下代码即可。

三、将数据集进行分割

#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 = 0.9 # 使用全部数据
train_percent = 8/9 # 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.xm1)，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()

运行成功后，Main文件夹下面会出现4个txt文件，将整个图片数据集分为训练集：验证集：测试集=8：1：1

四、生成 train.txt、test.txt、val.txt 文件以及labels文件（这三个文件在fruitdata文件夹下）

这几个txt文件包含的是xml文件中的标注信息。相当于把xml格式转化为txt格式。

# -*- 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 = ["pineapple", "snake fruit", "dragon fruit", "banana"]  # 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()

转换后，会生成上述所示的三个文件，以及labels文件，里面包含的是类别、中心点坐标、长度和宽度数据。

五、创建fruit.yaml和fruit.yaml文件（分别在data和models文件夹下）

两个文件分别为：

六、开始用模型训练自己的数据集

在终端输入命令：python train.py --img 900 --batch 2 --epoch 100 --data data/fruit.yaml --cfg models/fruit.yaml --weights weights/yolov5s.pt

结果会保存在相应的文件夹中。

七、心得总结

1.会出现很多报错，首先是：module ‘PIL.Image‘ has no attribute ‘ANTIALIAS‘，解决：进入相应的.py文件中，将Image.ANTIALIAS改为Image.LANCZOS。

2.其次是：AttributeError: ‘NoneType‘ object has no attribute ‘_free_weak_ref‘，解决：降级torch版本。具体版本可参考一、环境搭建。

3.再次是：

COMET INFO: Using ‘D:\pycharmProject\yolov5-master-6.2\.cometml-runs’ path as offline directory. Pass ‘offline_directory’ parameter into constructor or set the ‘COMET_OFFLINE_DIRECTORY’ environment variable to manually choose where to store offline experiment archives. 解决：卸载comet-ml  输入命令：pip uninstall comet-ml

4.还有xml文件和yolo文件之间的转换。