mmyolo数据集、训练

请先阅读此博客MMYOLO 自定义数据集从标注到部署保姆级教程_mmyolo 从零-CSDN博客

1、转coco样式的数据集

labelImg工具标注yolo后，将结果按照如下方式放置：

    └── $ROOT_PATH
        ├── classes.txt
        ├── labels
        │    ├── a.txt
        │    ├── b.txt
        │    └── ...
        ├── images
        │    ├── a.jpg
        │    ├── b.png
        │    └── ...
        └── ...

然后转coco数据集

    └── $ROOT_PATH
        ├── annotations
        │    ├── result.json
        │    └── ...
        ├── classes.txt
        ├── labels
        │    ├── a.txt
        │    ├── b.txt
        │    └── ...
        ├── images
        │    ├── a.jpg
        │    ├── b.png
        │    └── ...
        └── ...

进入到clone到本地的mmyolo目录，找到tools/dataset_converters/yolo2coco.py，此文件有瑕疵，添加黄色代码。

    # convert x,y,w,h to x1,y1,x2,y2
    x1 = (x - w / 2) * image_width
    y1 = (y - h / 2) * image_height
    x2 = (x + w / 2) * image_width
    y2 = (y + h / 2) * image_height

    #可能因精度误差超出图像边界
    x1 = max(0., x1)
    y1 = max(0., y1)
    x2 = min(x2, image_width)
    y2 = min(y2, image_height)

在mmyolo目录里打开终端，进入自己的虚拟环境后，转coco，注意自己的样本路径

python tools/dataset_converters/yolo2coco.py ~/datasets/yolo/

会得到 annotations/result.json 目录和文件

2、划分数据集

python tools/misc/coco_split.py --json ~/datasets/yolo/annotations/result.json --out-dir ~/datasets/yolo/annotations/ --ratios 0.8 0.2 --shuffle --seed 10

得到下图两个json文件

经验证，数据集会根据每个类别进行划分，而不是全局划分，因此不必担心某个类别样本少导致验证集里为0。验证代码如下：

import json
import os.path
from collections import defaultdict

def count_classes(json_file):
    with open(json_file) as f:
        data = json.load(f)
    class_counts = defaultdict(int)
    for ann in data['annotations']:
        class_counts[ann['category_id']] += 1
    return class_counts

if __name__=='__main__':
    train_counts = count_classes(os.path.expanduser('~/datasets/yolo_caiSe160/annotations/trainval.json'))
    val_counts = count_classes(os.path.expanduser('~/datasets/yolo_caiSe160/annotations/test.json'))
    print("Train class counts:", train_counts)
    print("Val class counts:", val_counts)

 可以看到几乎每个类别按4:1划分的。

3、配置文件。用于模型参数的py文件

参考15 分钟上手 MMYOLO 目标检测 — MMYOLO 0.6.0 文档

我放到了自己新建的yolov8_12目录里

 

4、训练

python tools/train.py configs/yolov8_12/yolov8_12.py

如果报“CUBLAS_WORKSPACE_CONFIG=:4096:8”之类的错误，先执行

export CUBLAS_WORKSPACE_CONFIG=:4096:8

 临时设置（仅当前终端会话有效）

训练得到的pth 在~/mmyolo/work_dirs/yolov8_12/里