YOLOX训练自己标注的数据集
参考原作者:YOLOX训练自己的数据集(超详细)_AI小白一枚的博客-CSDN博客_yolox训练自己的数据集
YOLOX是旷视提出来的,研究者将解耦头、数据增强、无锚点以及标签分类等目标检测领域的优秀进展与 YOLO 进行了巧妙地集成组合,不仅实现了超越 YOLOv3、YOLOv4 和 YOLOv5 的 AP,而且取得了极具竞争力的推理速度。
一、YOLOX安装
1、下载GitHub上的代码
git clone https://github.com/Megvii-BaseDetection/YOLOX
2、安装yolov5所需要的依赖环境
(1)、安装代码依赖的库文件
cd /home/xxx/xxx/xxxr/YOLOX-main
pip3 install -U pip && pip3 install -r requirements.txt
(2)、通过setup.py安装一些库文件
通过setup.py安装一些库文件
输入命令:python3 setup.py develop
(3)、安装apex文件
输入命令:git clone https://github.com/NVIDIA/apex
sudo pip3 install -v --disable-pip-version-check --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" ./
二、YOLOX训练自己的数据集
1、数据集预处理
在这里选择使用VOC格式对YOLOX进行训练,处理的图片主要包含三个文件夹,其中Annotations存放的是xml标签数据,JPEGImages存放的是图片数据,ImageSets存放的是训练、验证、测试的txt文件。
2、修改代码
(1)、将yolox/data/datasets/voc_classes.py中的标签信息,进行修改。
注:类别后都要加逗号,例如“car”后面加了一个逗号“,”。
(2)、修改类别数量
- 修改exps/example/yolox_voc/yolox_voc_s.py中的self.num_classes
- 修改yolox/exp/yolox_base.py中的self.num_classes
(3)、修改数据集路径配置
- 修改exps/example/yolox_voc/yolox_voc_s.py中的VOCDection。
data_dir是数据集的根目录,
images_sets修改为trainval
max_labels表示图片最多的目标数量,设为50。
egg:也可以通过软连接的方式加载数据集训练
ln -s /pgf_api/datasets/VOC2007 ./datasets/VOCdevkit/VOC2007
上述第二目录为根目录下的datasets
- 修改yolox/data/datasets/voc.py中,VOCDection函数中的读取txt文件。
将该路径修改为自己txt的路径
(4)、修改exps/example/yolox_voc/yolox_voc_s.py中的get_eval_loader函数。
data_dir是VOC数据集的绝对路径,
images_sets修改为test
(5)、修改不同的网络结构
以YOLOX_I网络为例,比如在exps/default/yolox_I.py中,self.depth=1.0,self.width=1.0。和Yolov5中的不同网络调用方式一样。
为了统一不同的网络结构,继续修改exps/example/yolox_voc/yolox_voc_s.py中的,self.depth和self.width。
再修改yolox/exp/yolox_base.py中的,self.depth和self.width。
(6)、修改其他相关参数
- 修改验证epoch的数量
目前代码中是训练迭代10个epoch,再对验证集做1次验证,但大白想每迭代1个epoch,即做一个验证,及时看到效果。
在 ./yolox/exp/yolox_base.py中搜索以下参数并修改
self.max_epoch = 300
self.print_interval = 10
self.eval_interval = 10
分别为训练最大epoch、验证间隔epoch
- 修改验证时的相关信息
主要对读取验证信息的相关代码进行调整,代码在yolox/data/datasets/voc.py中_do_python_eval函数中。
- 因为自有数据集没有year信息,所以将其中的rootpath和name修改
- 因为没有year信息,所以将其中的cachedir修改;修改use_07_metric的信息。
三、YOLOX训练
1、终端训练
将下载好的yolox_s.pth.tar放到YOLOX文件夹中,打开终端,在终端中输入:
python3 tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 0 -b 64 -c yolox_s.pth.tar
2、Pycharm训练
修改tools/train.py中的几个参数
parser.add_argument("-b", "--batch-size", type=int, default=64, help="batch size")#根据自己机器的配置,设置batch-size的参数,比如设置为64。
parser.add_argument("-d", "--devices", default=None, type=int, help="device for training")#如果GPU服务器只有1张卡,将devices的default修改为0。
parser.add_argument("-f","--exp_file",default=None,type=str,help="plz input your experiment description file",)#将exp_file的default修改为yolox_voc_s.py的路径(如代码版本更新,可重置路径)。
parser.add_argument("-c", "--ckpt", default=None, type=str, help="checkpoint file")#如果使用预训练权重,将ckpt的default修改为模型权重的路径。
训练走起!
四、YOLOX训练及常见问题
在训练完成后,可以对训练的YOLOX算法模型进行测试,测试文件保存在tools/文件夹下,测试可以运行demo.py和eval.py这两个文件
1、demo测试
- 首先是选择测试的模式是图片还是视频,然后输入需要测试图片/视频的路径
- “demo” 参数包括image、video、webcam
- "--path" 参数与上述参数一致,如果是图像,指定图像绝对路径
parser.add_argument("--path", default="./assets/dog.jpg", help="path to images or video")
修改网络配置参数
parser.add_argument("-f","--exp_file",default='/home/oem/xxx/path_to_pro_root/YOLOX/exps/example/yolox_voc/yolox_voc_s.py',type=str,help="pls input your experiment description file",)
2、eval.py进行模型量化评估
修改测试模型路径和置信度阈值、nms阈值和测试图像大小,输出模型在测试集的mAP等指标
修改训练后模型的保存地址,以及是否使用GPU进行加速
parser.add_argument("-c", "--ckpt", default='/home/oem/XXX/PATH_TO_PRO_ROOT/YOLOX/YOLOX_outputs/yolox_voc_s/best_ckpt.pth', type=str, help="ckpt for eval")parser.add_argument("--device",default="gpu",type=str,help="device to run our model, can either be cpu or gpu",)
YOLOX训练自己标注的数据集相关推荐
- (详细版Win10+Pycharm)YOLOX——训练自己的VOC2007数据集,以NWPU VHR-10 dataset为例
目录 一.搭建YOLOX环境 二.训练自己的VOC数据集 1.打开Pycharm配置Anaconda已创建好的yolo_x虚拟环境 2.在Pycharm中设置Git环境 3.修改配置文件 (1)修改Y ...
- YOLOX训练自己的VOC数据集
文章目录 一.下载YOLOX代码 二.配置文件 修改数据集参数 三.开始训练 报错1:no model named 'yolox' 报错2:No such file or directory: '/a ...
- 【学习记录】win10搭建YOLOX训练自己的VOC数据集
我是目录: 前言: 1.yolox的训练配置 2.yolox源码 3.必要的环境 配置yolox所需环境 1.安装依赖库 2.安装yolox 3.安装apex 4.下载预训练模型 4.准备自己的数据集 ...
- Yolox训练VOC数据集
使用旷视科技发布的Yolox训练自己的VOC数据集,标注文件与yolov3.yolov4.yolov5格式相同. 一.搭建Yolox代码环境 1.下载Yolox代码 Yolox代码链接:GitHub ...
- 【YOLOX训练部署】将自己训练的YOLOX权重转化成ONNX 并进行推理
YOLOX 训练自己的VOC数据集 [YOLOX训练部署]YOLOX训练自己的VOC数据集_乐亦亦乐的博客-CSDN博客YOLOX 环境安装与训练自己标注的VOC数据集:https://blog.cs ...
- 用Python对我们自己标注的数据集转化为YOLO训练需要的txt文件
用Python对我们自己标注的数据集转化为YOLO训练需要的txt文件 一. 数据分类 在项目的根目录下新建一个maketxt.py文件. 该脚本会在straw/ImageSets文件夹下生成:tra ...
- WIN10使用YOLOX训练自己的数据集(图解超详细)
文章目录 WIN10使用YOLOX训练自己的数据集(图解超详细) 下载YOLOX源码 配置环境,修改源码 添加权重文件 建立VOCdevkit文件夹 添加数据集 划分训练集和测试集 修改 类别 为自己 ...
- Win10下搭建旷视YOLOX(新一代anchor-free目标检测网络)并训练自定义CoCo格式数据集
注意:原始的YOLOX只支持乌班图系统,因此以下所有操作均需要依赖博主自己的安装包.链接:https://pan.baidu.com/s/1CoQa8WjJ89gNfexK59Ewrw 提取码:qhi ...
- YOLOX训练高精度车辆检测
序言 最近项目需要用到高精度的车辆检测模型,最开始想的是直接使用yolov5或者yolox的coco预训练的模型,但是发现在实际场景中精度并不是很好,因为COCO数据集中有80个类,并且数据集的错误标 ...
最新文章
- 记一次Linux系统内存占用较高得排查
- oracle result_cache_max_size,oracle database 11g新特性之设置result cache-Oracle
- linux系统编程之进程概念(操作系统---管理,进程创建,进程状态,进程优先级, 环境变量,程序地址空间,进程O(1)调度方法)
- matlab knnsearchidx,matlab查找最临近搜索knnsearch
- 冷光牙齿美白仪行业调研报告 - 市场现状分析与发展前景预测
- .Net与 WebAssembly 随笔
- 2016-02-16
- php7.4报错:Trying to access array offset on value of type null
- synchronized锁和lock锁 队列中线程执行顺序对比
- Android系统Google TTS 语音数据包安装步骤
- zte机顶盒怎么投屏_中兴iptv机顶盒可以投屏吗?
- python-认识(第五段-函数)
- 华为服务器bios系统,华为服务器bios设置
- 移动应用/APP的测试流程及方法
- 运单状态机设计及全流程异常跟踪整体架构
- 二、python时间序列数据的相减
- gridview ItemTemplate下绑定数据
- ESP32-CAM+PIR传感器=动作抓拍监控
- 流体的“流线”和“迹线”定义和区别。
- 教你一招搞定 GitHub 下载加速!
热门文章
- aiwi体感游戏,感受聊斋风情
- Unity 将经纬度变为Unity中的坐标
- 共享单车数据获取方法整理
- 宇宙可能是一台计算机,科学说明一切:宇宙是一个计算机模拟?
- python怎么爬虫潭州教育_用Python爬取整个学院MM的电话和QQ,爬虫这也太牛了!...
- dra7xx DDR test
- 均值滤波器类型_图像处理基础(3):均值滤波器及其变种
- Nature:地球微生物组计划首发成果
- 含泪拿下腾讯60W Offer,五轮面试,六个小时,灵魂拷问,扶我起来我还能再战
- 《联想本有更好的路走》《杨元庆会不会掉队》《少帅杨元庆》