YOLOv5实现自定义对象训练与OpenVINO部署全解析

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

大家好，前面写了一个OpenVINO部署YOLOv5推理的教程，收到很多反馈！这里就再写了一篇如何使用YOLOv5训练自定义对象检测，从数据准备到推理整个环节，帮助大家更好的使用YOLOv5来解决实际问题。整个文章主要分为三个部分，分别是数据准备与YOLO格式数据转换，模型训练与推理测试，模型转换为ONNX与部署。

关于环境搭建与测试请看这里：

YOLOv5在最新OpenVINO 2021R02版本的部署与代码演示详解

https://github.com/EscVM/OIDv4_ToolKit

用这个工具可以很方便的下载想要的数据，Open Image数据集包括包括100W+张图像，对象检测支持600个类别，所以很多图像都可以通过这个来下载，避免自己收集图像数据与标注数据的时间。所以首先需要执行

git clone https://github.com/EscVM/OIDv4_ToolKit

然后运行

pip3 install -r requirements.txt

安装好所有依赖，之后再下载数据集

python3 main.py downloader --classes Apple Orange --type_csv validation

意思是下载苹果跟橘子两个类别的图像标注数据。下载好的数据集文件夹结构如下：

分为三个文件夹，分别对应训练集、测试集、验证集。其中jpg文件是每个图像，labels里面的txt同名文件是每个图像中对象标注信息，格式如下：

name_of_the_class left top right bottomname_of_the_class 对象类别名称left top标注框左上角坐标right bottom 标注框右下角坐标

转换为YOLO标注格式数据，首先看一下标注文本文件与图像的文件夹结构

其中images是所有图像的集合，labels是所有标签信息集合。train表示训练集、valid表示测试集。这里需要注意的是，labels信息中的标签信息YOLO格式标注框需要把原始标注信息的标注框格式从：

Left top right bottom

转换为

Center_x, center_y, width, height

并归一化到0~1之间，这部分我写了一个脚本来完成label标签的生成。代码如下：

for f in files:
    if os.path.isfile(os.path.join(current_dir, f)):
        image = cv.imread(os.path.join(current_dir, f))
        label_file = os.path.join(current_dir, "label", f.replace(".jpg", ".txt"))
        yolo_label = f.replace(".jpg", ".txt")
        data_label_text_f = os.path.join(valid_label_dir, yolo_label)
        file_write_obj = open(data_label_text_f, 'w')

        with open(label_file) as f:
            boxes = [line.strip() for line in f.readlines()]
        clazz_index = -1
        # create new file
        for box in boxes:
            anno_info = box.split(" ")
            if anno_info[0] == "Cricket":
                print("class name: ", anno_info[0] + " ball")
                x1 = float(anno_info[2])
                y1 = float(anno_info[3])
                x2 = float(anno_info[4])
                y2 = float(anno_info[5])
                clazz_index = 0
            else:
                print("class name: ", anno_info[0])
                x1 = float(anno_info[1])
                y1 = float(anno_info[2])
                x2 = float(anno_info[3])
                y2 = float(anno_info[4])
                clazz_index = 1
            h, w, c = image.shape
            cx = (x1 + (x2 - x1) / 2) / w
            cy = (y1 + (y2 - y1) / 2) / h
            sw = (x2 - x1) / w
            sh = (y2 - y1) / h
            file_write_obj.write("%d %f %f %f %f\n"%(clazz_index, cx, cy, sw, sh))
            # cv.rectangle(image, (int(x1), int(y1)), (int(x2), int(y2)),(0, 0, 255), 2, 8)
        file_write_obj.close()

最后需要创建一个dataset.ymal文件，放在与data文件夹同一层，它的内容如下：

# train andval datasets (image directory or *.txt file with image paths)train:football_training/data/images/train/val: football_training/data/images/valid/ # number ofclassesnc: 2 # class namesnames:['Cricketball', 'Football']

其中

Cricketball与Football是我从Open Image中下载的两个类别数据。nc:2 表示识别两个类别。

这样就完成了整个数据集准备部分。

这里我分别基于yolov5l.ymal与yolov5s.ymal完成了模型训练，需要修改的只有一个地方，就是把类别数目从80改为2。图示如下：

然后执行训练脚本的命令行如下：

python train.py --data --epochs 300 football_training/dataset.yaml --cfg football_traing/yolov5l.yaml --weights '' --batch-size 1

推荐的参数中没有这么小的batchi-size，我是用笔记本训练，发现2就爆内存了，人穷！有条件的把这个参数调大点，效果会好！训练时可以通过tensorboard查看训练实时变换，图示如下：

最终每个类别的AP得分

最终训练完成得到best.pt文件

运行测试视频

python detect.py --source football_training/test.mp4 --weights football_training/best.pt --conf 0.5

通过下面的脚本转换为ONNX文件

python models/export.py --weights football_training/best.pt --img 640 --batch 1

然后再转换为OpenVINO的IR中间文件格式，C++推理与部署代码实现参见

YOLOv5在最新OpenVINO 2021R02版本的部署与代码演示详解

运行效果如下：