彩笔的第模型DOTA数据集YOLOv5目标检测

目录

前言

一、下载数据集DOTA和源码，下载YOLOv5模型，切割图片并转化label为YOLO格式

2、DOTA数据集的label格式不能在YOLO模型 里直接使用，需要转化

3、需要做成coco数据集的文件结构，包括文件夹名称。

二、修改YOLO参数，跑

1、要运行生成图片路径的脚本：utf-8.py

2.修改coco.yaml和yolov5s.yaml

3、修改train.py里的参数

总结

---

前言

   这是我跑通的第一个真正意义上的网络模型，写个博客总结/纪念一下，模型用的yolov5s，数据集是遥感卫星图像DOTA数据集。总体步骤分为以下几步：

1、数据集下载，下载YOLOv5模型，切割图片，转化labels格式，按照要求的文件结构放在服务器里

2、修改YOLO参数，跑

ps：中间出了无数问题，有的是我个人脑残能力不够，有的是莫名其妙的问题。见下文

 需要库的安装我不赘述了，在requirement.txt文件里

一、下载数据集DOTA和源码，下载YOLOv5模型，切割图片并转化label为YOLO格式

数据集链接在这里  DOTA

YOLO的源码是这个GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

数据集有三个版本，我用了最简单的一个。

下载好以后，麻烦的才来了，主要分为以下几点：

1、图片过大，无法直接训练，需要切割为640X640格式的图片；

切割图片，采用这个脚本    ImgSplit_multi_process.py

这个程序是用来切割图片，并且把分割后的图片也打好标签

   改一下图片，标签路径，分割好的图片、标签路径，还有就是gap（重合区域），subsize（也就是图片大小），跑就完事了

2、DOTA数据集的label格式不能在YOLO模型 里直接使用，需要转化

用的的脚本是：YOLO_Transform.py,其中调用了另外一个脚本dota_utils.py

 在dota_utils.py里，需要改一下标签名称，我感觉我这一部分还有问题，但是还没来得及查验

    在YOLO_Transform.py里，改一下路径，前两个路径是切割好以后图片和标签的路径，最后一个是yolo格式的标签。

在这里回顾一下YOLO格式的标签和DOTA格式的标签

前者：第一个是类的名称，后四个数字分别是：<x> <y> <width> <height>

x,y是目标的中心坐标，width,height是目标的宽和高。这些坐标是通过归一化的，其中x，width是使用原图的width进行归一化；而y，height是使用原图的height进行归一化。

 DOTA数据集的label格式如下：

前八个数字为框的坐标：x1,y1,x2,y2.......x4,y4；x1,y1为左上角坐标，采用顺时针旋转，第九个为classname，最后一个为识别难易程度，0简单1困难（不知道为什么分割完以后会出现2）

3、需要做成coco数据集的文件结构，包括文件夹名称。

如下：

                               images

               val 

                              labels

DOTA

             

                            images

              train 

                              labels

ps:别改子文件夹的ID，可能会报错

二、修改YOLO参数，跑

1、要运行生成图片路径的脚本：utf-8.py

老套路，改一下路径，val和train都要做一遍

2.修改coco.yaml和yolov5s.yaml

coco.yaml和其他教程不同之处：其他人的没有path要修改，我就放了数据集的路径，不知道对错，但是能跑

改一下两个txt文件的路径，还有nc，以及classname（也就是worldname）

 修改yolov5.yaml,改一下nc=15即可

3、修改train.py里的参数

第一行：初始权重文件的path

第二行:yolov5s.yaml的path

第三行：coco.yaml的path

类推

后边就是显卡，epoch，bs等等不赘述了

---

总结

花了将近一个星期才搞定，唉，走了很多莫名其妙的弯路，现在对这个流程基本上搞明白了，继续努力吧！！！

这篇好文章是转载于：学新通技术网