训练模型
1、首先将数据集放在根目录下,名字一定要是images
和 labels
,里面的目录名字最好为train
和val
,要不然系统会判别不出来
2、然后复制一份coco128改名字为mydata.yaml,然后修改里面的内容
3、最后修改train.py
文件第三行的参数为mydata.yaml
,让他指定自己的训练数据
def parse_opt(known=False):
parser = argparse.ArgumentParser()
parser.add_argument('--weights', type=str, default=ROOT / 'yolov5s.pt', help='initial weights path')
parser.add_argument('--cfg', type=str, default='', help='model.yaml path')
parser.add_argument('--data', type=str, default=ROOT / 'data/mydata.yaml', help='dataset.yaml path')
测试
用自己训练好的模型文件来测试数据
修改detect.py
文件中的第一行default的参数,把他指定为自己训练好模型生成的pt文件
def parse_opt():
parser = argparse.ArgumentParser()
parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'best.pt', help='model path(s)')
测试结果会在/runs/detect/exp
目录下