一、将从网上下载的文件中 ，xml文件全部放在新建的annotations中，png或jpg全部放在images中。
二、新建一个脚本文件split_train_val.py，用于划分训练集、测试集和验证集。具体代码如下
# coding:utf-8
import os
import random
import argparse
parser = argparse.ArgumentParser()
#xml文件的地址，根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument('--xml_path', default='Annotations', type=str, help='input xml label path')
#数据集的划分，地址选择自己数据下的ImageSets/Main
parser.add_argument('--txt_path', default='dataset', type=str, help='output txt label path')
opt = parser.parse_args()
# trainval_percent = 1.0
# train_percent = 0.9
trainval_percent =0.8 # 训练集和验证集所占比例。 这里没有划分测试集
train_percent = 0.8 # 训练集所占比例，可自己进行调整
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
os.makedirs(txtsavepath)
num = len(total_xml)
list_index = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train = random.sample(trainval, tr)
file_trainval = open(txtsavepath + '/trainval.txt', 'w')
file_test = open(txtsavepath + '/test.txt', 'w')
file_train = open(txtsavepath + '/train.txt', 'w')
file_val = open(txtsavepath + '/val.txt', 'w')
for i in list_index:
name = total_xml[i][:-4] + '\n'
if i in trainval:
file_trainval.write(name)
if i in train:
file_train.write(name)
else:
file_val.write(name)
else:
file_test.write(name)
file_trainval.close()
file_train.close()
file_val.close()
file_test.close()
执行之后会生成如下文件，这四个txt文件存放的是images的绝对路径。
三、准备labels，在VOCData目录下创建voc_label.py脚本，该脚本是将voc的数据集xml文件转化为yolo数据集的txt文件
# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET
import os
from os import getcwd
'''
准备labels，把数据集格式转换成yolo_txt格式，即将每个xml标注提取bbox信息为txt格式，
每个图像对应一个txt文件，文件每一行为一个目标的信息，包括class, x_center, y_center, width, height格式
'''
sets = ['train', 'val', 'test']
classes = ["drone"] # 改成自己的类别
abs_path = os.getcwd()
print(abs_path)
def convert(size, box):
dw = 1. / (size[0])
dh = 1. / (size[1])
x = (box[0] + box[1]) / 2.0 - 1
y = (box[2] + box[3]) / 2.0 - 1
w = box[1] - box[0]
h = box[3] - box[2]
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return x, y, w, h
def convert_annotation(image_id):
in_file = open('Annotations/%s.xml' % (image_id), encoding='UTF-8')
out_file = open('labels/%s.txt' % (image_id), 'w')
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
for obj in root.iter('object'):
difficult = obj.find('difficult').text
# difficult = obj.find('Difficult').text
cls = obj.find('name').text
if cls not in classes or int(difficult) == 1:
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
float(xmlbox.find('ymax').text))
b1, b2, b3, b4 = b
# 标注越界修正
if b2 > w:
b2 = w
if b4 > h:
b4 = h
b = (b1, b2, b3, b4)
bb = convert((w, h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
wd = getcwd()
for image_set in sets:
if not os.path.exists('labels/'):
os.makedirs('labels/')
image_ids = open('dataset/%s.txt' % (image_set)).read().strip().split()
list_file = open('paper_data/%s.txt' % (image_set), 'w')
for image_id in image_ids:
list_file.write(abs_path + '\images\%s.png\n' % (image_id))
convert_annotation(image_id)
list_file.close()执行后生成如下文件夹和文件。txt保存的是图片的完整路径，labels文件夹下的数据，就是yolo的txt文本，内容如下：label中保存的是标签
四、配置文件
①在data中新建一个自定义数据集的配置文件 VOCData.yaml。内容如下：
train: data/VOCData/paper_data/train.txt
val: data/VOCData/paper_data/val.txt
# number of classes
nc: 1
# class names
names: ['drone']
②编辑模型配置文件
在yolov5/model文件夹下模型配置文件，包含了s、m、l、x4个版本，逐渐增大（随着架构的增大，训练时间也是逐渐增大），本文以s版本为例，修改yolov5s.yaml，修改后的文件内容如下（只修改了nc部分）：
nc: 1 # number of classes六、开始训练模型
如果不出错的话，正常运行结果如下
七、我遇到的问题
请大佬排查了两天debug 绝望之际发现 自己创建的VOCData.yaml中 train和val的路径少写错了
痛哭。。。。。。。。。。(就是第四部分。不用担心，上面贴的代码是改之后的)
------------------------------------------------------------------
在CPU上成功运行之后，想搬到服务器里跑 ，没想到 又出现了问题
AssertionError: train: No labels in /archive/gyj/Yolov5_DeepSort_Pytorch-master/yolov5/data/VOCData/paper_data/train.cache. Can not train without labels. See https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data
这是因为生成的数据集的绝对路径与服务器的不匹配导致。
所以需要修改split_train_val.py脚本，在服务器中重新生成数据集的相关txt
----------------------------------------------------------------------------------------------------
开始改：
