Yolov5-6.0训练自己的数据

1、准备数据

总体文件结构如下:
在这里插入图片描述
数据文件夹格式与VOC数据类似,包括**images(train、val)labels(train、val)**文件夹,分别存放图片和对应的标注txt文件。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
2、修改配置文件

样本准备完毕后,修改配置文件,与yolov4的准备过程类似,cfg与超参文件。
2.1 axtc.yaml文件
拷贝coco128.yaml修改为自己的文件。修改train、val文件夹路径,以及自己的类别数量及名称。
在这里插入图片描述
2.2 Yolovs.yaml文件
根据自己的需要,修改对应的网络参数(nc)
在这里插入图片描述
2.3 train.py
该步可省略,如果使用命令行传参的话。
在这里插入图片描述
3 训练中断后继续
设置resume = True,直接从已训练的地方接着训练。
在这里插入图片描述
4 查看训练过程
安装tensorboard后,运行

tensorboard --logdir runs/train

http://localhost:6006/ 可以查看训练过程损失曲线等。

版权声明:本文为CSDN博主「Mirinda_cjy」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/bemy1008/article/details/122602207

Mirinda_cjy

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

YOLOV1论文详解

YOLOV1 1. Introduction YOLO非常简单:对于一张完整的图像,通过一个单一的卷积网络可以同时预测多个bounding boxes的回归参数和这些boxes的类别概率,并直接优化检

使用 YOLO v5 进行目标检测

使用样本数据集检测对象的步骤 一般来说,分类技术在自动驾驶汽车中没有多大帮助,因为它只预测图像中的一个对象,并且不给出该图像的位置。 而目标检测在自动驾驶汽车中非常重要,可以检测场景中的

目标检测YOLO系列------YOLO简介

YOLO以及各种变体已经广泛应用于目标检测算法所涉及到的方方面面,为了梳理YOLO系列算法建立YOLO系列专题,按照自己的理解讲解YOLO中的知识点和自己的一些思考。本文是开篇之作,首先简单介绍一下YO