【issue-YOLO】自定义数据集训练YOLO-v7 Segmentation

• 移动开发

1. 拉取代码创建环境

  • 执行nvidia-smi验证cuda环境是否可用；
  • 拉取官方代码；
    • clone官方代码仓库 git clone https://github.com/WongKinYiu/yolov7；
    • 从main分支切换到u7分支 cd yolov7 && git checkout 44f30af0daccb1a3baecc5d80eae22948516c579；(YOLO_v5的所有视觉任务在同一个代码仓库中，YOLO_v7不同的分支对应不同的任务，分割任务对应u7)
  • 安装环境 pip install –upgrade pip && pip install -r requirements.txt；

2. 用预训练模型推理

  • 下载与训练权重； wget https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7-seg.pt；(更换代理会出现下载的权重只有2k，可以选择取u7分支下手动下载)
  • 用predict.py推理； python segment/predict.py –weights –source –name xxx

3. 准备数据集

 labelimg/labelme/Roboflow，此处选用Roboflow；

  • 创建项目

    在这里插入图片描述

  • 通过web控件和本地API上传图片；

    在这里插入图片描述

  • 标注

     手动标注固然稳，使用基于SAM的Smart Polygon是真的香；

  • 生成数据集

     创建数据集(不同版本) ~> 切分 ~> 前处理 ~> 增强

    在这里插入图片描述

  • 导出数据集

     Roboflow提供了训练平台(只是免费的次数有限)；

    在这里插入图片描述

4. 训练

 下面以实力分割为例，更换任务类型方法如下；

在这里插入图片描述

 训练代码如下；

	python segment/train.py --batch-size 16 --img-size 640 --epochs 10 --data {dataset.location}/data.yaml --weights $WEIGHTS_PATH --device 0 --name custom

5. 验证模型

6. 上传模型进行验证

7. 从Roboflow部署到边缘设备

本文来自网络，不代表协通编程立场，如若转载，请注明出处：https://www.net2asp.com/62a5fb1a70.html

赞 (0)
« 上一篇 1天前
下一篇 » 1天前

相关推荐