目录

一、github官方网址及环境搭建

二、labelme标记数据集：

三、json转为txt

四、训练集train和验证集valid

五、代码修改

六、开始训练

七、预测

八、问题与反思

一、github官方网址及环境搭建

https://github.com/ultralytics/yolov5/tree/v6.1

环境搭建：

（1）、python>=3.8

（2）、pytorch>=1.7

（3）、进入yolov5目录下，下载依赖：pip install -r requirements.txt  # install

二、labelme标记数据集：

（1）、进入虚拟环境

（2）、pip install labelme

（3）、labelme打开

（4）、注意选择自动保存

注：labelme 支持jpg等格式，不支持HEIC格式，图片格式转化网址（一次只支持转化10张图片）：HEIC转JPG - 免费在线将HEIC文件转换成JPG (cdkm.com)https://cdkm.com/cn/heic-to-jpg

三、json转为txt

labelme保存的是json文件，需要将json文件转化为txt文件，用于label标签

可用python代码批量转化json文件：

import json
import os

# 标签名称，labelme做了几个标签这里就填几个
name2id = {'fruit': 0}


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 = 'E:\***\***\目标检测\labels\' + json_name[0:-5] + '.txt'
    # 存放txt文件夹的绝对路径
    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'))

    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__":
    # 存放json文件夹的绝对路径 
    json_floder_path = 'E:\***\***\目标检测\20220808json'  
    json_names = os.listdir(json_floder_path)
    for json_name in json_names:
        decode_json(json_floder_path, json_name)

四、训练集train和验证集valid

train或者valid中保存的images和labels中的文件名是一一对应的

五、代码修改

（1）yolov5-6.1/utils/dataset.py

num_workers=0

（2）yolov5-6.1datafruittest.yaml 修改训练数据

fruittest.yaml代码：

train: ../train/images
val: ../valid/images

# Classes
nc: 1  # number of classes
names: ['fruit']  # class names

六、开始训练

python train.py --data fruittest.yaml --cfg yolov5s.yaml --weights yolov5s.pt  --batch-size 32  --epoch 200

七、预测

python detect.py --source data/video --weights runs/train/exp6/weights/best.pt  --data data/pitaya.yaml

纯绿色火龙果检测结果：https://live.csdn.net/v/230691

绿色火龙果，红色火龙果，火龙果花检测结果：https://live.csdn.net/v/230716

八、问题与反思

（1）、问题描述：AttributeError: 'NoneType' object has no attribute '_free_weak_ref'

　　　　解决办法：修改yolov5-6.1/utils/dataset.py中num_workers　　

num_workers=0