基于yolov5及yolov5-lite的视觉识别模型训练

记录一下学习经历，先从yolov5开始探索训练和检测的基本流程，然后尝试使用更精简的yolov5-lite。

Yolov5

1.环境配置

Anaconda:

简单来说，Anaconda和Python之间的关系就像是一个加强版的套装和它的基本组件的关系。Python是一种编程语言，而Anaconda则是一个包含了Python、多个常用数据科学和机器学习库以及一个名为conda的环境管理工具的发行版。

那么，为什么我们要用Anaconda而不是直接用Python呢？这主要是因为Anaconda能帮我们省时省心。首先，安装Anaconda就意味着一次性安装了Python和很多常用的数据科学库，这样我们就不需要一个个去安装这些库了。其次，conda这个环境管理工具能帮我们管理不同版本的Python和库，还能隔离不同项目的环境，避免库之间的冲突。

对于搞深度学习的人来说，Anaconda更是一个利器。它包含了大量与深度学习相关的库，比如TensorFlow、PyTorch等，这些库能帮助我们更方便地进行深度学习模型的训练和推理。而且，通过conda，我们可以很容易地创建和管理不同项目的环境，确保每个项目都有它所需要的库和版本。

Anaconda就像一个全能的数据科学工具箱，而Python则是这个工具箱中的一把基础工具。搞深度学习用Anaconda，就像是用一套完整的工具套装来完成工作，既方便又高效。

直接在清华大学开源镜像站上下吧， Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror，我下载是Anaconda3-2024.02-1-Windows-x86_64.exe

pycharm

yolov5框架：https://github.com/ultralytics/yolov5，或通过项目目录预览 - yolov5 - GitCode下载，将yolov5框架下载下来后，放到平时存放项目的位置。

yolov5-lite框架（替代）：ppogg/YOLOv5-Lite: 🍅🍅🍅YOLOv5-Lite: Evolved from yolov5 and the size of model is only 900+kb (int8) and 1.7M (fp16). Reach 15 FPS on the Raspberry Pi 4B~ (github.com)，也可以选用这个轻量版yolov5框架，这个比较适合在树莓派上用。

Pycharm配置Anaconda环境

参考了这篇文章Pycharm配置Anaconda环境的详细图文教程_python_脚本之家 (jb51.net)

python version选择anaconda安装位置下的python.exe。

进入Settings----Project :pythonProject---Python Interpreter，然后选择Conda Environment,

找到anaconda安装位置，选择Anaconda\Scripts\conda.exe然后点Load Environments,然后点OK就行了（这新版本的pycharm的设置界面变得真大啊）

配置完成后可以看到python interpreter下多了许多包，表示在该环境下创建的工程就可以使用anaconda中已有的库了。

 

电脑搜索打开Anaconda prompt（其实就相当于anaconda版本的cmd命令行），cd到yolov5解压后所在的文件夹

（例如我把框架放到D盘去了，我需要先输入D:切换到D盘，然后cd D:FreeDocument\yolov5-master切换到这个文件夹里边去）

接下来读取yolov5框架下的requirement.txt文件，把需要的依赖都给弄下来

pip install -r requirements.txt

（一个小小的窍门，如果pip安装失败了，不妨尝试切换成国内镜像源再试试：pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/）

2.手动制作训练集

标注数据要用到labelme这个东西。

Labelme是一个开源的图像标注工具，由麻省理工学院的计算机科学和人工智能实验室（CSAIL）开发。它主要用于创建计算机视觉和机器学习应用所需的标记数据集。LabelMe让用户可以在图片上标注对象和区域，为机器学习模型提供训练数据。它支持多种标注类型，如矩形框、多边形和线条等。它是用 Python 编写的，并使用 Qt 作为其图形界面。

下载labelme：项目目录预览 - labelme - GitCode

把下载来的labelme解压到一个地方，然后在anaconda prompt里cd到labelme的文件夹，并依次执行：

conda create --name=labelme python=3
conda activate labelme
pip install labelme

然后输入labelme打开labelme的GUI。

以后再打开labelme时也只需依次输入conda activate labelme、labelme即可。

接下来开始给提前准备好的图片做标注，用法很简单，使用正方形框选即可（我想要标记的东西是人，命名为person），然后保存，保存下来的标记文件为.json格式（后面要将.json格式转化成.txt格式）。

我们需要标注多少图片呢？这点我也不清楚，一般情况下投入的图片数量最好是几百张起步，最好在网上找现成的标记好的数据集。

但是从学习的角度来看，我标注了几十张图差不多就能识别出来了（没找着现成的数据集，只能手动标了），虽然精度比较抽象，但起码了解到这个流程就够了。

以其中一个图像标签为例，如train00016.jpg的标签被命名为train00016.json，打开json可见：

{
  "version": "5.4.1",
  "flags": {},
  "shapes": [
    {
      "label": "person",
      "points": [
        [
          6.413043478260885,
          56.253623188405825
        ],
        [
          616.3150766849584,
          426.0
        ]
      ],
      "group_id": null,
      "description": "",
      "shape_type": "rectangle",
      "flags": {},
      "mask": null
    },
    {
      "label": "person",
      "points": [
        [
          364.3840579710145,
          56.615942028985536
        ],
        [
          591.5579710144926,
          409.15217391304344
        ]
      ],
      "group_id": null,
      "description": "",
      "shape_type": "rectangle",
      "flags": {},
      "mask": null
    },
    {
      "label": "words",
      "points": [
        [
          240.1086956521739,
          361.32608695652175
        ],
        [
          379.2391304347826,
          383.0652173913043
        ]
      ],
      "group_id": null,
      "description": "",
      "shape_type": "rectangle",
      "flags": {},
      "mask": null
    }
  ],
  "imagePath": "00016.jpg",
  "imageData": ......(一大堆字符)
}

我们需要将这个标签转化成.txt的形式，标签里的数据也要转化成不同的表现形式：

 当我们标记了足够多的.json标签后，可以用如下代码将它们批量转化成.txt格式了。

import json
import os

name2id =  {'person':0,'words':1}
'''标签名称，我只设置了两个标签person和words,可以按个人需求修改'''
 
 
def convert(img_size, box):
    dw = 1. / (img_size[0])
    dh = 1. / (img_size[1])
    x = (box[0] + box[2]) / 2.0 - 1
    y = (box[1] + box[3]) / 2.0 - 1
    w = box[2] - box[0]
    h = box[3] - box[1]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)
 
 
def decode_json(json_floder_path, json_name):
    txt_name = 'C:\\存放txt的\\绝对路径' + json_name[0:-5] + '.txt'
    #存放txt的绝对路径,注意是双斜线
    txt_file = open(txt_name, 'w')
 
    json_path = os.path.join(json_floder_path, json_name)
    data = json.load(open(json_path, 'r', encoding='gb2312',errors='ignore'))
 
    img_w = data['imageWidth']
    img_h = data['imageHeight']
 
    for i in data['shapes']:
 
        label_name = i['label']
        if (i['shape_type'] == 'rectangle'):
            x1 = int(i['points'][0][0])
            y1 = int(i['points'][0][1])
            x2 = int(i['points'][1][0])
            y2 = int(i['points'][1][1])
 
            bb = (x1, y1, x2, y2)
            bbox = convert((img_w, img_h), bb)
            txt_file.write(str(name2id[label_name]) + " " + " ".join([str(a) for a in bbox]) + '\n')
 
 
if __name__ == "__main__":
 
    json_floder_path = 'C:\\存放json的\\文件夹\\的绝对\\路径'
    #存放json的文件夹的绝对路径
    json_names = os.listdir(json_floder_path)
    for json_name in json_names:
        decode_json(json_floder_path, json_name)

 

 以上代码和接下来的不少内容参考了【Yolov5】1.认真总结6000字Yolov5保姆级教程（2022.06.28全新版本v6.1）_yolov5教程-CSDN博客，就是参照着这个佬的流程一步一步做出来的。

标签和图片都已经就位了:

3.Yolov5配置

打开yolov5-master的文件夹，在yolov5-master的根目录下创建一个新文件夹，文件夹的名字可以自定，如我打算将其命名为xunlianji(训练集).

下边那俩先不管，先按如上所示在xunlianji里创建datasets文件夹和里边的文件夹，接下来，将.jpg图片文件扔进datasets\images\train,将转化后的.txt文件都扔到datasets\labels\train。

接着将yolov5-master/data/coco128.yaml复制粘贴到xunlianji中，改名为xunlianji_parameter.yaml，以作为xunlianji的参数配置文件。

将yolov5-master/models中的yolov5s.yaml复制粘贴到xunlianji中，改名为xunlianji_model.yaml（意为模型）。

现在xunlianji里的文件夹结构已经完全成型了，下一步就是修改配置文件了。

编辑xunlianji_parameter.yaml：(如下，只弄了两个标签，person和words，其他的都删了好了，path、train、val修改成自己的文件目录结构名，test不用管)

path是项目下的绝对路径，train是在path绝对路径条件下的训练集路径，即：xunlianji/datasets/images/train

val是验证集，但省事期间这里让训练集既当训练集也当验证集了。

接着修改xunlianji_model.yaml

我只有俩标签，把nc改成2即可。

4.训练

回到根目录，打开train.py，调整参数

在train.py里一直往下拉到def parse_opt(known=False):

修改：

parser.add_argument("--weights", type=str, default=ROOT / "yolov5s.pt", help="initial weights path")#使用yolov5s权重进行训练

#这两个换成自己的训练集目录
parser.add_argument("--cfg", type=str, default=ROOT/"xunlianji/xunlianji_model.yaml", help="model.yaml path")
parser.add_argument("--data", type=str, default=ROOT / "xunlianji/xunlianji_parameter.yaml", help="dataset.yaml path")

#训练轮数，100轮、200轮都行
parser.add_argument("--epochs", type=int, default=200, help="total training epochs")

parser.add_argument("--batch-size", type=int, default=16, help="total batch size for all GPUs, -1 for autobatch")#批量处理的文件数
parser.add_argument("--imgsz", "--img", "--img-size", type=int, default=640, help="train, val image size (pixels)")#图片大小

#断续训练，如果说在训练过程中意外地中断，那么下一次可以在这里填True，会接着上一次runs/exp继续训练
parser.add_argument("--resume", nargs="?", const=True, default=False, help="resume most recent training")

#电脑没cuda，轻薄本的gpu又太差了，那只能拿cpu加速了
parser.add_argument("--device", default="cpu", help="cuda device, i.e. 0 or 0,1,2,3 or cpu")

#多线程设置，越大读取数据越快，但是太大了也会报错，因此也要根据自己状况填小。
parser.add_argument("--workers", type=int, default=4, help="max dataloader workers (per RANK in DDP mode)")

然后运行train.py,开始训练。

等它训练完吧......

训练完成后，会在yolov5-master\runs\train\exp4\weights这里生成一个exp文件夹，每一次训练都会自动生成一个新的目录存放目录结果。

然后点开exp\weights,发现这里有两个文件last.pt和best.pt,一个是最后一轮训练得到的权重，一个是最佳权重（它认为的最佳），这就是训练得出的权重结果，接下来的测试就需要这次训练得到的.pt文件了。

5.测试

回到yolov5-master下，打开detect.py这个文件，找到def parse_opt():下边的代码，做如下修改:

##改成自己刚刚训练得到的权重文件,last.pt或者best.pt都行（先跑起来再说）
parser.add_argument("--weights", nargs="+", type=str, default=ROOT / "runs\\train\\exp4\\weights\\best.pt", help="model path or triton URL")

#改成要检测的视频文件位置，为0时是检测电脑摄像头
parser.add_argument("--source", type=str, default=ROOT / "0", help="file/dir/URL/glob/screen/0(webcam)")

#改成自己的数据集参数文件
parser.add_argument("--data", type=str, default=ROOT / "xunlianji/xunlianji_parameter.yaml", help="(optional) dataset.yaml path")

#置信度，大于这个置信度才会显示框框
parser.add_argument("--conf-thres", type=float, default=0.25, help="confidence threshold")

#GPU加速选项，如前所述，轻薄本GPU实在太拉了，只能用cpu加速了
parser.add_argument("--device", default="cpu", help="cuda device, i.e. 0 or 0,1,2,3 or cpu")

其他的也不太懂，保持默认即可。

运行detect.py

测试的结果会保存到yolov5-master\runs\test\exp里。

Yolov5-lite

上述流程都是以yolov5为例的，Yolov5-lite是yolov5的精简版本，保留了必要的功能同时提供了更快的训练和检测速度，适合往树莓派之类乱七八糟的嵌入式设备上塞。

在尝试折腾yolov5-lite的时候同样遇到了一些坑（要是能下载下来后啥都不配置直接就能运行得起来该多好😭）

下载yolov5-lite：https://github.com/ppogg/YOLOv5-Lite，或git clone https://github.com/ppogg/YOLOv5-Lite

在YOLOv5-Lite-master项目根目录下pip install -r requirements.txt

接下来在根目录下新建一个文件夹，命名为weights。（作者大大没把权重文件直接放进去，那咱们直接手动下载吧）

打开README.md，找着Download Link，作者把v5lite-s.pt的百度网盘地址放进去了，把这个文件下载下来然后扔到weights里边去。

接下来还是修改detect.py里的参数，找到 if __name__ == '__main__':下边的部分，修改：

parser.add_argument('--weights', nargs='+', type=str, default='weights/v5lite-s.pt', help='model.pt path(s)')
#这个就是刚才手动下载下来的权重了，其实换成别的训练权重也行，这不是慢嘛

parser.add_argument('--source', type=str, default='0', help='source')  # default='0'时是打开电脑摄像头

parser.add_argument('--device', default='cpu', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
#老规矩，改成cpu，等上了研究生一定要弄一台有显卡的电脑啊啊啊啊啊

 然后运行detect.py，报错了：

1/1: 0... Traceback (most recent call last):
  File "D:\FreeDocument\YOLOv5-Lite-master\detect.py", line 178, in <module>
    detect()
  File "D:\FreeDocument\YOLOv5-Lite-master\detect.py", line 51, in detect
    dataset = LoadStreams(source, img_size=imgsz, stride=stride)
              ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "D:\FreeDocument\YOLOv5-Lite-master\utils\datasets.py", line 279, in __init__
    if 'youtube.com/' in url or 'youtu.be/' in url:  # if source is YouTube video
       ^^^^^^^^^^^^^^^^^^^^^
TypeError: argument of type 'int' is not iterable

直接去utils/datasets.py这个文件里边，把 if 代码块给注释掉算了，反正好像也没啥用

 重新运行detect.py，开始打开摄像头检测了。

yolov5-lite的训练应该也跟yolov5差不多，举一反三呗。