使用visDrone数据集训练yolov5检测器
yolov5目标检测具备一定的小目标检测能力，但由于参与训练的coco数据集缺少小目标素材，故检测小目标有局限。本文利用无人机采集的小目标数据集，对yolov5权重文件进行再训练，提高小目标检测能力。本文仅记录跑通训练的过程，得到一些启示，没有尝试训练整个数据集。
visDrone数据集训练前后的对比
使用visDrone无人机小目标数据集训练yolov5检测器比较
上图用未训练的yolov5s.pt，下图用经过训练的best.pt权重。
可以看出两种检测的区别，其中visDrone训练图片用了其中69张，epoch=100,简单训练已初见成效。而且并没有改变原来的yolov5s模型结构。此测试图来自评估集val。
组织转换visDrone数据集
利用yolov5训练程序，采用visDrone训练集的过程如下：
下载visDrone训练集：https://github.com/VisDrone/VisDrone-Dataset。其中有百度网盘和google drive两种选择，在百度网盘限速时，google drive的下载速度明显快。
新版yolov5提供了visDrone数据集转yolov5训练数据集的格式变换，见yolov5/data/VisDrone.yaml。将该文件中附带的数据集的处理部分取出，新建visdrone2yolov5.py。
from utils.general import download, os, Path
def visdrone2yolo(dir):from PIL import Imagefrom tqdm import tqdmdef convert_box(size, box):# Convert VisDrone box to YOLO xywh boxdw = 1. / size[0]dh = 1. / size[1]return (box[0] + box[2] / 2) * dw, (box[1] + box[3] / 2) * dh, box[2] * dw, box[3] * dh(dir / 'labels').mkdir(parents=True, exist_ok=True) # make labels directorypbar = tqdm((dir / 'annotations').glob('*.txt'), desc=f'Converting {dir}')for f in pbar:img_size = Image.open((dir / 'images' / f.name).with_suffix('.jpg')).sizelines = []with open(f, 'r') as file: # read annotation.txtfor row in [x.split(',') for x in file.read().strip().splitlines()]:if row[4] == '0': # VisDrone 'ignored regions' class 0continuecls = int(row[5]) - 1 # 类别号-1box = convert_box(img_size, tuple(map(int, row[:4])))lines.append(f"{cls} {' '.join(f'{x:.6f}' for x in box)}\n")with open(str(f).replace(os.sep + 'annotations' + os.sep, os.sep + 'labels' + os.sep), 'w') as fl:fl.writelines(lines) # write label.txt
dir = Path('~/project_name/datasets/VisDrone2019') # datasets文件夹下Visdrone2019文件夹目录
# Convert
for d in 'VisDrone2019-DET-train', 'VisDrone2019-DET-val', 'VisDrone2019-DET-test-dev':visdrone2yolo(dir / d) # convert VisDrone annotations to YOLO labels
如此，用visdrone2yolov5.py产生符合yolov5训练数据格式的labels。VisDrone原数据集中，VisDrone2019-DET-train目录下有两个目录：annotations和images，运行visdrone2yolov5.py后，产生labels目录。在yolov5训练中，仅使用-train和-val目录下的images和labels。
准备好的数据集结构如下，注意datasets目录与yolov5目录同级。
构造数据集配置文件，可从VisDrone.yaml修改而得。
# YOLOv5
使用visDrone数据集训练yolov5检测器相关推荐
- BDD100k数据集训练YOLOv5
BDD100k数据集标注转YOLO格式: # -*- coding: utf-8 -*- # @Author: lay # @Time: 2022/3/30 上午12:03""&q ...
- 用自制数据集训练yolov5步骤
一.环境安装 yolov5下载地址:https://github.com/ultralytics/yolov5.解压后点进去,按Shift+右键在该目录启动powershell窗口, ...
- 在自定义的数据集上训练YOLOv5详细教程分享
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 YOLO系列的目标检测模型随着YOLOv5的引入变得越来越强大了. ...
- 如何在自定义的数据集上训练YOLOv5
YOLO系列的目标检测模型随着YOLOv5的引入变得越来越强大了.在这篇文章中,我们将介绍如何训练YOLOv5为你识别自己定制的对象. 本文我们使用公共血细胞检测数据集,你可以自己导出,也可以在自己自 ...
- YOLOv5实现佩戴安全帽检测和识别(含佩戴安全帽数据集+训练代码)
YOLOv5实现佩戴安全帽检测和识别(含佩戴安全帽数据集+训练代码) 目录 YOLOv5实现佩戴安全帽检测和识别(含佩戴安全帽数据集+训练代码) 1. 前言 2. 佩戴安全帽检测和识别的方法 (1)基 ...
- YOLOv5自定义数据集训练
YOLOv5自定义数据集训练 简介 本文介绍如何在自己的VOC格式数据集上训练YOLO5目标检测模型. VOC数据集格式 首先,先来了解一下Pascal VOC数据集的格式,该数据集油5个部分组成,文 ...
- 目标检测第8步：如何在Windows10系统下，训练YOLOv5 5.0自定义数据集？（本地）
请先看这篇文章: 本博打开方式!!!请详读!!!请详读!!!请详读!!!_Cat-CSDN博客 很多刚入门的粉丝私信我说,他们的电脑配置很好,想在本地训练 ...
- 基于YOLOv5的手势识别系统(含手势识别数据集+训练代码)
基于YOLOv5的手势识别系统(含手势识别数据集+训练代码) 目录 基于YOLOv5的手势识别系统(含手势识别数据集+训练代码) 1. 前言 2. 手势识别的方法 (1)基于多目标检测的手势识别方法 ...
- 深度学习目标检测：YOLOv5实现车辆检测(含车辆检测数据集+训练代码)
深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码) 目录 深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码) 1. 前言 2. 车辆检测数据集说明 (1)车 ...
最新文章
- 70. Leetcode 701. 二叉搜索树中的插入操作 (二叉搜索树-基本操作类)
- Python绘图之matplotlib基础教程：matplotlib库图表绘制中常规设置大全(交互模式、清除原有图像、设置横坐标显示文字/旋转角度、添加图例、绘图布局自动调整、图像显示、图像暂停)
- 2020 操作系统第一天复习（习题总结）
- rpc核心实现和原理
- 【转】2.2 SharePoint服务器端对象模型 之 访问网站和列表数据（Part 2）
- 媒智科技--深度学习算法Python后台开发--热招中~
- python画互动图_利用Python画出运动图像
- Flutter基础—定位对齐之对齐
- perl统计http日志ip
- SIM868获取NTP时间
- 全局鼠标手势linux,Firefox通过用户脚本和热键进行的全局鼠标手势（Win7 / Linux + FF 68 esr）...
- 剑指Java面试：面试官能问到的问题，都被我收集在这份PDF文档里
- Google支付订单真伪的验证方式
- 微信小程序html5音频,微信小程序 audio音频播放详解及实例
- QQ浏览器x5内核的兼容性问题
- 基于python机票预定系统_机票预订系统课程设计.doc
- 加快SP3下载速度并使用第三方系统主题！适用于XP SP3的TCPIP连接数与主题破解增强补丁下载...
- 浏览器加载网页的过程
- 迪思杰oracle 11g rac,Oracle 11g RAC UDEV管理RAC共享存储
- CV：计算机视觉技最强学习路线
热门文章