当前位置:网站首页>如何制作数据集并基于yolov5训练成模型并部署

如何制作数据集并基于yolov5训练成模型并部署

2022-06-12 04:16:00 风吹落叶花飘荡

如何制作数据集并基于yolov5训练成模型

一个正常的视觉AI开发步骤如下:收集和组织图像、标记您感兴趣的对象、训练模型、将其部署到云端/当做一个端口

一、搜集图片

1、下载已有的数据

如果出于学习,或者应用范围比较广泛,对鲁棒性要求较高,可以使用一些
公开的数据集请添加图片描述
知乎地址:https://zhuanlan.zhihu.com/p/25138563
当然这只是公开数据集的一部分,大家可以继续检索到。

其他搜集的找数据集的网站
1.datafountain
https://www.datafountain.cn/datasets
2.聚数力
http://dataju.cn/Dataju/web/searchDataset
3.中文NLP数据集搜索
https://www.cluebenchmarks.com/dataSet_search.html
4.阿里云天池
https://tianchi.aliyun.com/dataset/?spm=5176.12282016.J_9711814210.24.2c656d92n0Us6s
5.谷歌数据集好像要翻墙

2、使用自己拍/在网站上搜集的图片

自己拍的图片那自然是不需要啥操作,直接用即可

下面是使用爬虫下载图片的代码

import os
import sys
import time
import urllib
import requests
import re
from bs4 import BeautifulSoup
import time
 
header = {
    
    'User-Agent':
    'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 UBrowser/6.1.2107.204 Safari/537.36'
}
url = "https://cn.bing.com/images/async?q={0}&first={1}&count={2}&scenario=ImageBasicHover&datsrc=N_I&layout=ColumnBased&mmasync=1&dgState=c*9_y*2226s2180s2072s2043s2292s2295s2079s2203s2094_i*71_w*198&IG=0D6AD6CBAF43430EA716510A4754C951&SFX={3}&iid=images.5599"
 
 
def getImage(url, count):
    '''从原图url中将原图保存到本地'''
    try:
        time.sleep(0.5)
        urllib.request.urlretrieve(url, './imgs/hat' + str(count + 1) + '.jpg')
    except Exception as e:
        time.sleep(1)
        print("本张图片获取异常,跳过...")
    else:
        print("图片+1,成功保存 " + str(count + 1) + " 张图")
 
 
def findImgUrlFromHtml(html, rule, url, key, first, loadNum, sfx, count):
    '''从缩略图列表页中找到原图的url,并返回这一页的图片数量'''
    soup = BeautifulSoup(html, "lxml")
    link_list = soup.find_all("a", class_="iusc")
    url = []
    for link in link_list:
        result = re.search(rule, str(link))
        #将字符串"amp;"删除
        url = result.group(0)
        #组装完整url
        url = url[8:len(url)]
        #打开高清图片网址
        getImage(url, count)
        count += 1
    #完成一页,继续加载下一页
    return count
 
 
def getStartHtml(url, key, first, loadNum, sfx):
    '''获取缩略图列表页'''
    page = urllib.request.Request(url.format(key, first, loadNum, sfx),
                                  headers=header)
    html = urllib.request.urlopen(page)
    return html
 
 
if __name__ == '__main__':
    name = "戴帽子"    #图片关键词
    path = './imgs/hat'   #图片保存路径
    countNum = 2000  #爬取数量
    key = urllib.parse.quote(name)
    first = 1
    loadNum = 35
    sfx = 1
    count = 0
    rule = re.compile(r"\"murl\"\:\"http\S[^\"]+")
    if not os.path.exists(path):
        os.makedirs(path)
    while count < countNum:
        html = getStartHtml(url, key, first, loadNum, sfx)
        count = findImgUrlFromHtml(html, rule, url, key, first, loadNum, sfx,
                                   count)
        first = count + 1
        sfx += 1

二、标注图片

1、在线标注网站MAKE SENSE

MAKE SENSE
make-sense 是一个被YOLOv5官方推荐使用的图像标注工具。

相比于其他工具,make-sense的上手难度非常低,仅需数分钟,玩家便能熟练掌握工作台中的功能选项,快速地进入工作状态;此外,由于make-sense是一款web应用,各个操作系统的玩家可打破次元壁实现工作协同。

a、创建标签

新建一个名为labels的文件,按照每行为一个标签的原则,依次输入
栗子如下:
在这里插入图片描述

b、MAKE SENSE标注网站使用

打开网站
在这里插入图片描述
点击放入图片
在这里插入图片描述
全选搜集到的图片并确认
在这里插入图片描述
根据标注需求点击对应的,在这里我们点击物体检测
在这里插入图片描述
点击Load labels from file。表示从文件中批量导入标签
在这里插入图片描述

放入后点击Create labels list在这里插入图片描述
最后点击开始项目,就可以开始标注了

开始项目
依次标注每一个图片
在这里插入图片描述

导出标注结果在这里插入图片描述

选择导出格式,并导出

导出

导出压缩包参考如下:

到这里图片与标签就都准备好了,可以准备开始制作数据集

三、制作数据集

1、创建文件夹

创建文件夹mydata
其内部构造如下

在这里插入图片描述

2、将之前的图片以及标注数据拷贝进去

test与train集合一般比例为2:8或3:7

在这里插入图片描述

3、新建一个mydata.yaml文件,

在这里插入图片描述

4、修改train.py中data参数

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

原网站

版权声明
本文为[风吹落叶花飘荡]所创,转载请带上原文链接,感谢
https://blog.csdn.net/qq_51116518/article/details/125238333