YOLO V5数据集自定义与Coco 2017

Question

我想一起使用已处理的coco数据集和自定义数据集。

我将使用Coco中的汽车、摩托车和自行车。我将添加电动滑板车作为一个新的自定义数据集。

最后，我们将生产yolo v5，目标检测汽车、摩托车、自行车和电动滑板车。

我该怎么做呢？如果有案子，请告诉我。谢谢。

Answer 1

为了对这两个数据集进行培训，您需要做以下工作：

1. 创建数据集。注意，提取的COCO类应该得到类号0、1、2，而要添加的滑板车类应该得到类3。请注意，这种编号将影响下一点类名的顺序。还请注意，您可以将子数据集保存在单独的文件夹中，并且不需要将它们混合到同一个文件夹中。
2. 在custom.yaml下创建一个yolov5/data文件，在该文件中指定用于培训和评估的两个数据集。举个例子：

# Example usage: python train.py --data custom.yaml
# parent
# ├── yolov5
# └── datasets
#     ├── coco2017_train_cars_motorcycles_bicycles
#     └── custom_train_scooters


# 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, ..]
path: ../datasets  # dataset root dir
train: # train images (relative to 'path')
  - coco2017_train_cars_motorcycles_bicycles/images
  - custom_train_scooters/images
val:   # val images (relative to 'path')
  - coco2017_val_cars_motorcycles_bicycles/images
  - custom_val_scooters/images

#       test: # test images (optional)
#         - coco2017_test_cars_motorcycles_bicycles/images
#         - custom_test_scooters/images


# Classes
nc: 4  # number of classes
names: [ 'car', 'motorcycle', 'bicycle', 'scooter' ]  # class names

1. 通过以下方法对此数据集配置进行培训：

python train.py --data custom.yaml --cfg yolov5m.yaml --weights yolov5m.pt --batch-size 16 --device 0,1,2,3

Answer 2

对于yolov中的对象检测，需要图像数据集+注释。在缺乏注释的情况下，您需要使用诸如Roboflow或Cvat之类的圆顶注释工具手动进行注释。在您的例子中，您只需尝试从这个链接下载case和注释。然后注释您拥有的自定义数据，并将这些数据与相应的目录合并。

为了训练yolov5，您可以使用这个记事本，为了推理，检查一下这里。

为了更好地检测，您应该增加数据和注释用于培训，而且您选择的数据应该适合您的推理环境。