***************************************************
码字不易,收藏之余,别忘了给我点个赞吧!
***************************************************
Start
YOLOV10训练自己的数据集
官方论文:https://arxiv.org/abs/2405.14458
1.下载官方代码
下载地址:https://github.com/THU-MIG/yolov10/tree/main
进入网址后,先点击code按钮,再点击Download ZIP,下载的文件是一个压缩包:yolov10-main.zip
2.解压压缩包文件
解压后,文件夹里的内容如下图所示:
3.下载模型预训练权重文件
YOLOV10N:https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10n.pt
YOLOV10S:https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10s.pt
YOLOV10M:https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10m.pt
YOLOV10B:https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10b.pt
YOLOV10L:https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10l.pt
YOLOV10X:https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10x.pt
作者此处下载的是YOLOV10N的预训练权重,将权重文件放置在项目文件夹yolov10-main中,如下图所示:
4. 新增my_train.py文件
在项目文件夹yolov10-main下新建一个my_train.py文件,将以下代码复制保存到该文件中。
python
from ultralytics import YOLOv10
model = YOLOv10('yolov10n.yaml').load('yolov10n.pt')
# Train the model
results = model.train(data='a_tb.yaml',
epochs=200,
imgsz=640,
batch=16,
optimizer='SGD',lr0=0.01,device=0)
5. 新建数据集文件夹
在pycharm中打开项目文件夹yolov10-main,按照yolo数据集的标准准备好图像和标签文件,作者此处的数据集文件夹为a_tb_data,里面有train,val,test三个文件夹,请按照以下形式准备好数据集
6. 修改yolov10n.yaml文件
打开文件: yolov10-main/ultralytics/cfg/models/v10/yolov10n.yaml ,修改nc的值,若要检测的目标为n种,则值为n,作者数据集检测的目标为1种,因此n=1。
7. 新增a_tb.yaml文件
在yolov10-main/ultralytics/cfg/datasets文件夹下新增一个文件a_tb.yaml,将以下代码块复制到该文件中保存。path表示数据集a_tb_data的路径,names:表示类别的名称,依次用0,1,2,3表示。
python
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: C:\Users\22120\Desktop\yolov10-main\a_tb_data # dataset root dir
train: train/images # train images (relative to 'path') 1052 images
val: test/images # val images (relative to 'path') 225 images
test: test/images # test images (relative to 'path') 227 images
# Classes
names:
0: tb
#1: car
#2: pig
8. 开始训练模型YOLOV10N
打开my_train.py,model.train中可以修改相应的参数,参数的名称来自yolov10-main/ultralytics/cfg/default.yaml 文件,作者这里只进行简单配置,配置完信息后,鼠标右键run,如下图所示。
9. 查看运行结果
等待运行结束后,在yolov10-main/runs/detect文件夹下会生成新的train文件夹,里面记录了训练过程、验证过程、最优模型权重等等。
10. 验证YOLOV10N模型
首先新增my_val.py文件,复制以下代码至该文件保存,其中runs/detect/train/weights/best.pt 则是训练完成后生成的权重文件路径。
python
from ultralytics import YOLOv10
# Load a model
model = YOLOv10('runs/detect/train/weights/best.pt') # load a custom model
# Validate the model
metrics = model.val(data='a_tb.yaml',
batch=16) # no arguments needed, dataset and settings remembered
metrics.box.map # map50-95
metrics.box.map50 # map50
metrics.box.map75 # map75
metrics.box.maps # a list contains map50-95 of each category
在my_val.py文件中鼠标右键run,进行验证
验证完成后,在yolov10-main/runs/detect文件夹下会生成新的val文件夹,里面记录了验证过程、验证结果等等。