训练自己数据集的步骤

  1. 准备数据集
    将自己的数据集放在data目录下,目录结构如下:
    04yolov5 7.0训练自己的数据 - 图1
  2. 修改代码
    新建对应【文件名】.yaml文件,将自己的数据集路径写入,如下:
  1. # YOLOv5 🚀 by Ultralytics, AGPL-3.0 license
  2. # COCO128 dataset https://www.kaggle.com/ultralytics/coco128 (first 128 images from COCO train2017) by Ultralytics
  3. # Example usage: python train.py --data coco128.yaml
  4. # parent
  5. # ├── yolov5
  6. # └── datasets
  7. # └── coco128 ← downloads here (7 MB)
  8. # Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
  9. path: data/datasets/coco04 # dataset root dir
  10. train: images/train2017 # train images (relative to 'path') 128 images
  11. val: images/train2017 # val images (relative to 'path') 128 images
  12. test: # test images (optional)
  13. # Classes
  14. names:
  15. 0:
  16. 1: 自行车
  17. 2: 汽车
  18. 3: 摩托车
  19. 4: 飞机
  20. 5: 巴士
  21. 6: 火车
  22. 7: 卡车
  23. 8:
  24. 9: 交通信号灯
  25. 10: 消火栓
  26. 11: 停车标志
  27. 12: 停车计时器
  28. 13: 板凳
  29. 14:
  30. 15:
  31. 16:
  32. 17:
  33. 18:
  34. 19:
  35. 20: 大象
  36. 21:
  37. 22: 斑马
  38. 23: 长颈鹿
  39. 24: 背包
  40. 25: 雨伞
  41. 26: 手提包
  42. 27: 领带
  43. 28: 手提箱
  44. 29: 飞盘
  45. 30: 滑雪板
  46. 31: 单板滑雪
  47. 32: 运动球
  48. 33: 风筝
  49. 34: 棒球棒
  50. 35: 棒球手套
  51. 36: 滑板
  52. 37: 冲浪板
  53. 38: 网球拍
  54. 39: 瓶子
  55. 40: 酒杯
  56. 41: 杯子
  57. 42: 叉子
  58. 43:
  59. 44: 勺子
  60. 45:
  61. 46: 香蕉
  62. 47: 苹果
  63. 48: 三明治
  64. 49: 橙色
  65. 50: 西兰花
  66. 51: 胡萝卜
  67. 52: 热狗
  68. 53: 披萨
  69. 54: 甜甜圈
  70. 55: 蛋糕
  71. 56: 椅子
  72. 57: 沙发
  73. 58: 盆栽植物
  74. 59:
  75. 60: 餐桌
  76. 61: 厕所
  77. 62: 电视
  78. 63: 笔记本电脑
  79. 64: 鼠标
  80. 65: 远程
  81. 66: 键盘
  82. 67: 手机
  83. 68: 微波炉
  84. 69: 烤箱
  85. 70: 烤面包机
  86. 71: 水槽
  87. 72: 冰箱
  88. 73:
  89. 74: 时钟
  90. 75: 花瓶
  91. 76: 剪刀
  92. 77: 泰迪熊
  93. 78: 吹风机
  94. 79: 牙刷
  95. # Download script/URL (optional)
  96. download: https://ultralytics.com/assets/coco128.zip

注意路径要对应

修改train.py文件,将--data参数改为自己的【文件名】.yaml文件,如下:
04yolov5 7.0训练自己的数据 - 图2

  1. parser.add_argument('--data', type=str, default=ROOT / 'data/coco04.yaml', help='dataset.yaml path') # 数据集配置文件路径
  1. 训练
    运行train.py文件,开始训练,如下:
  2. 测试

  3. 评估