源代码

我所使用的是yolov5-v6.1版本，下载地址：
yolov5-6.1代码
解压完成后，在Anaconda Prompt中进入代码所在文件夹，执行以下代码：

pip install -r requirements.txt -i  https://pypi.tuna.tsinghua.edu.cn/simple

它可以帮助我们安装所需要的依赖，并且不会重复安装

准备数据集

使用官方数据集

初次训练我是用的是官方提供的数据集：Pascal VOC Dataset，下载地址：
Pascal VOC Dataset
解压后得到以下文件夹：

其中我们需要的是Annotations和JPEGImages这两个文件夹，后一个文件夹中存放的是大量图片，前一张图片中存放的是每一张图片对应的标签信息，为.xml格式。我们需要将这两个文件夹放入yolov5-6.1文件夹中data文件夹下，并且将JPEGImages重命名为images

制作自己的数据集

制作自己的数据集需要用到工具：LabelImg
LabelImg工具下载地址
在Anaconda Prompt中进入Labelimg-master文件夹，依次输入以下命令：

conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc

安装好后便可以打开工具使用，在这之前，我们可以将文件夹data中的predefined_classes.txt文件根据自己的需求做好更改：

命令行输入：

python labelImg.py

打开工具箱如图（将查看下自动保存模式勾选上）：

左侧PascalVOC表示保存类型为我们需要的.xml格式。我们可以点击创建区块来自己绘制图框：

绘制完成后点保存即可

划分数据集

进入yolov5-6.1文件夹，创建.py文件：maketxt.py，程序内容如下：

# 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='data/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='data/ImageSets/Main', type=str, help='output txt label path')
opt = parser.parse_args()

trainval_percent = 1.0  # 训练集和验证集所占比例。 这里没有划分测试集
train_percent = 0.9     # 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()

在data文件夹中创建ImageSets文件夹，然后执行：

python maketxt.py

可以看到ImageSets/Main文件夹生成了如下四个文件：

返回yolov5-6.1文件夹，创建.py文件：voc_label.py，内容如下：

# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET
import os
from os import getcwd

sets = ['train', 'val', 'test']
classes = ['person','bird','cat','cow','dog','horse','bicycle','boat','bus','car','motorbike','train','bottle','chair','diningtable','pottedplant','sofa','tvmonitor']   # 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('D:/AI_learning/YOLO/yolov5/yolov5-6.1/data/Annotations/%s.xml' % (image_id), encoding='UTF-8')
    out_file = open('D:/AI_learning/YOLO/yolov5/yolov5-6.1/data/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('D:/AI_learning/YOLO/yolov5/yolov5-6.1/data/labels/'):
        os.makedirs('D:/AI_learning/YOLO/yolov5/yolov5-6.1/data/labels/')
    image_ids = open('D:/AI_learning/YOLO/yolov5/yolov5-6.1/data/ImageSets/Main/%s.txt' % (image_set)).read().strip().split()
   
    if not os.path.exists('D:/AI_learning/YOLO/yolov5/yolov5-6.1/data/dataSet_path/'):
        os.makedirs('D:/AI_learning/YOLO/yolov5/yolov5-6.1/data/dataSet_path/')
     
    list_file = open('data/dataSet_path/%s.txt' % (image_set), 'w')
    for image_id in image_ids:
        list_file.write('D:/AI_learning/YOLO/yolov5/yolov5-6.1/data/images/%s.jpg\n' % (image_id))
        convert_annotation(image_id)
    list_file.close()

注意将其中的classes以及路径改成自己的
在data文件夹创建dataSet_path和labels文件夹，执行：

python voc_label.py

可以看到labels文件夹生成了对应的标签数字信息，dataSet_path文件夹生成了每张图片对应的路径信息

写自己的配置文件

在data文件夹新建一个.yaml文件：myyolov5.yaml（名字自定义即可），内容如下：

train: D:/AI_learning/YOLO/yolov5/yolov5-6.1/data/dataSet_path/train.txt  
val: D:/AI_learning/YOLO/yolov5/yolov5-6.1/data/dataSet_path/val.txt 

# number of classes
nc: 20   #训练的类别
 
# class names
names: ['person','bird','cat','cow','dog','horse','bicycle','boat','bus','car','motorbike','train','bottle','chair','diningtable','pottedplant','sofa','tvmonitor']

包括刚生成的train、val文件的绝对路径，检测种类数与标签

聚类生成先验框

data文件下下创建：kmeans.py文件，内容如下：

import numpy as np

def iou(box, clusters):
    """
    Calculates the Intersection over Union (IoU) between a box and k clusters.
    :param box: tuple or array, shifted to the origin (i. e. width and height)
    :param clusters: numpy array of shape (k, 2) where k is the number of clusters
    :return: numpy array of shape (k, 0) where k is the number of clusters
    """
    x = np.minimum(clusters[:, 0], box[0])
    y = np.minimum(clusters[:, 1], box[1])
    if np.count_nonzero(x == 0) > 0 or np.count_nonzero(y == 0) > 0:
        raise ValueError("Box has no area")    # 如果报这个错，可以把这行改成pass即可

    intersection = x * y
    box_area = box[0] * box[1]
    cluster_area = clusters[:, 0] * clusters[:, 1]

    iou_ = intersection / (box_area + cluster_area - intersection)

    return iou_

def avg_iou(boxes, clusters):
    """
    Calculates the average Intersection over Union (IoU) between a numpy array of boxes and k clusters.
    :param boxes: numpy array of shape (r, 2), where r is the number of rows
    :param clusters: numpy array of shape (k, 2) where k is the number of clusters
    :return: average IoU as a single float
    """
    return np.mean([np.max(iou(boxes[i], clusters)) for i in range(boxes.shape[0])])

def translate_boxes(boxes):
    """
    Translates all the boxes to the origin.
    :param boxes: numpy array of shape (r, 4)
    :return: numpy array of shape (r, 2)
    """
    new_boxes = boxes.copy()
    for row in range(new_boxes.shape[0]):
        new_boxes[row][2] = np.abs(new_boxes[row][2] - new_boxes[row][0])
        new_boxes[row][3] = np.abs(new_boxes[row][3] - new_boxes[row][1])
    return np.delete(new_boxes, [0, 1], axis=1)

def kmeans(boxes, k, dist=np.median):
    """
    Calculates k-means clustering with the Intersection over Union (IoU) metric.
    :param boxes: numpy array of shape (r, 2), where r is the number of rows
    :param k: number of clusters
    :param dist: distance function
    :return: numpy array of shape (k, 2)
    """
    rows = boxes.shape[0]

    distances = np.empty((rows, k))
    last_clusters = np.zeros((rows,))

    np.random.seed()

    # the Forgy method will fail if the whole array contains the same rows
    clusters = boxes[np.random.choice(rows, k, replace=False)]

    while True:
        for row in range(rows):
            distances[row] = 1 - iou(boxes[row], clusters)

        nearest_clusters = np.argmin(distances, axis=1)

        if (last_clusters == nearest_clusters).all():
            break

        for cluster in range(k):
            clusters[cluster] = dist(boxes[nearest_clusters == cluster], axis=0)

        last_clusters = nearest_clusters

    return clusters

if __name__ == '__main__':
    a = np.array([[1, 2, 3, 4], [5, 7, 6, 8]])
    print(translate_boxes(a))

之后创建.py文件：calculate_anchors.py，内容如下：

# -*- coding: utf-8 -*-
# 根据标签文件求先验框

import os
import numpy as np
import xml.etree.cElementTree as et
from kmeans import kmeans, avg_iou

FILE_ROOT = "D:/AI_learning/YOLO/yolov5/yolov5-6.1/data/"     # 根路径
ANNOTATION_ROOT = "Annotations"   # 数据集标签文件夹路径
ANNOTATION_PATH = FILE_ROOT + ANNOTATION_ROOT

ANCHORS_TXT_PATH = "D:/AI_learning/YOLO/yolov5/yolov5-6.1/data/anchors.txt"   #anchors文件保存位置

CLUSTERS = 9
CLASS_NAMES = ['person','bird','cat','cow','dog','horse','bicycle','boat','bus','car','motorbike','train','bottle','chair','diningtable','pottedplant','sofa','tvmonitor']
   #类别名称

def load_data(anno_dir, class_names):
    xml_names = os.listdir(anno_dir)
    boxes = []
    for xml_name in xml_names:
        xml_pth = os.path.join(anno_dir, xml_name)
        tree = et.parse(xml_pth)

        width = float(tree.findtext("./size/width"))
        height = float(tree.findtext("./size/height"))

        for obj in tree.findall("./object"):
            cls_name = obj.findtext("name")
            if cls_name in class_names:
                xmin = float(obj.findtext("bndbox/xmin")) / width
                ymin = float(obj.findtext("bndbox/ymin")) / height
                xmax = float(obj.findtext("bndbox/xmax")) / width
                ymax = float(obj.findtext("bndbox/ymax")) / height

                box = [xmax - xmin, ymax - ymin]
                boxes.append(box)
            else:
                continue
    return np.array(boxes)

if __name__ == '__main__':

    anchors_txt = open(ANCHORS_TXT_PATH, "w")

    train_boxes = load_data(ANNOTATION_PATH, CLASS_NAMES)
    count = 1
    best_accuracy = 0
    best_anchors = []
    best_ratios = []

    for i in range(10):      ##### 可以修改，不要太大，否则时间很长
        anchors_tmp = []
        clusters = kmeans(train_boxes, k=CLUSTERS)
        idx = clusters[:, 0].argsort()
        clusters = clusters[idx]
        # print(clusters)

        for j in range(CLUSTERS):
            anchor = [round(clusters[j][0] * 640, 2), round(clusters[j][1] * 640, 2)]
            anchors_tmp.append(anchor)
            print(f"Anchors:{anchor}")

        temp_accuracy = avg_iou(train_boxes, clusters) * 100
        print("Train_Accuracy:{:.2f}%".format(temp_accuracy))

        ratios = np.around(clusters[:, 0] / clusters[:, 1], decimals=2).tolist()
        ratios.sort()
        print("Ratios:{}".format(ratios))
        print(20 * "*" + " {} ".format(count) + 20 * "*")

        count += 1

        if temp_accuracy > best_accuracy:
            best_accuracy = temp_accuracy
            best_anchors = anchors_tmp
            best_ratios = ratios

    anchors_txt.write("Best Accuracy = " + str(round(best_accuracy, 2)) + '%' + "\r\n")
    anchors_txt.write("Best Anchors = " + str(best_anchors) + "\r\n")
    anchors_txt.write("Best Ratios = " + str(best_ratios))
    anchors_txt.close()

注意将路径信息与类别名称修改为自己的，之后执行：

python calculate_anchors.py
会生成anchors.txt，它是根据标签框信息自动生成的先验框，之后会用到

修改配置文件

回到yolov5-6.1文件夹，打开models文件夹，其中有五种.yaml文件：x s n m l，选择哪个进行训练我们就修改哪个，这里我们使用yolov5s.yaml：

首先将训练类别数改成自己需要的，然后根据刚才生成的anchors.txt文件中的Best Anchors一一修改anchors（需要取整），改好后保存即可

训练

以上全部执行过后便可开始训练，在yolov5-6.1文件夹下执行以下命令：

python train.py --data data/myyolov5.yaml --cfg models/yolov5s.yaml --weights '' --batch-size 16 --epochs 100

其中后几个参数根据自己机器性能修改即可，训练过程及结果截图：

我们在runs/train/exp4中可以看到以下内容：

其中weights文件夹中包含我们的训练模型best.pt，用于测试使用

测试

在data文件夹创建sample文件夹，将待检测图片放入其中，回到yolov5-6.1文件夹，执行：

python detect.py --weights runs/train/exp4/weights/best.pt --source data/sample/xxx.xxx

检测结果如图：

打开结果显示保存至的文件夹，可以看到测试结果：

至此我们基本完成了基于yolov5的目标检测任务。