YOLOX实践—烟雾火焰检测 02 训练过程

YOLOX实践——烟雾火焰检测 02 训练过程

》》参考：

1. 超详细！手把手教你使用YOLOX进行物体检测（附数据集）
2. 训练AP为0情况解决

》》目录：

一、 概述
    1.1 大概步骤
二、 具体描述
    2.1 数据集处理
    2.2 设置训练参数、训练
    2.3 处理结果
    2.4 使用训练得到的结果批量预测 测试数据
    2.3 遇到的问题

一、 概述：

描述：YOLOX环境安装完成后，就可以尝试训练自己的数据集了。

1.1 大概步骤：

1. 处理数据集成标准格式
2. 修改训练参数、训练
3. 处理训练logtxt成csv文件得到ap图、损失率图
4. 使用训练得到的结果批量预测 测试数据

二、 具体描述： 2.1 数据集处理： 2.1.1. 在YOLOX-main/data/VOCdevkit 中维持下图结构

图2.1 ： 数据集树形结构图

描述：数据集格式采用VOC2007格式数据集，如果是其他类型的数据集，或者是补充了一些数据集，需要转化成上述格式，其中最重要的是红框标出内容。

• Annotations：存储标注图片标注框等信息的xml 文件；
• ImageSets:
  • Main
    • test.txt: 训练集图片名称集合文本
    • Trainval.txt: 测试集图片名称集合文本
  • JPEGImages:保存了源图片，格式为JPEG

图2.2： xml 部分截图 红框重要

2.2.2. 数据处理过程：

• 位置：以下几个脚本的位置

/YOLOX-main/data/VOCdevkit/

1. findPicturebyTxt2dictory.py :
   功能：通过txt划分出图片到指定目录，用来根据test.txt来找到测试图片的

2. partionDataSet.py
   功能：根据voc格式中xml文件，自动划分出数据集、验证集和测试集txt，用来训练的

3. mergeSmokeFire.py
   功能：合并数据集中相同图片的不同标注xml文件，进行图片降重，减少background对于结果的影响

4. enhanceImage.py
   功能：对烟雾图像进行直方图增强

2. 如何查看、新增标注图片？

• 使用labelimg 进行查看或标注：
• 安装教程：pip install labelimg
• 使用教程：terminal终端输入 labelimg后使用
  • 查看标注图片数据集

2.2 设置训练参数、训练

• 注意：修改下列文件后，需要执行 python set.py install 重装，因为yolox安装本质是替换了build中的相应文件
• 具体安装位置 使用：pip show yolox查看

1. 修改以下三处位置，类别数量，训练、test文件路径，本数据集是火焰、烟雾检测，所以设置类别为2

#位置： 
exps/example/yolox_voc/yolox_voc_s.py

2. 修改类别名称：注意末尾最好加上逗号

#位置： 
yolox/data/datasets/voc_classes.py

3. 去掉 %s（最好去掉）

#位置： 
yolox/data/datasets/voc.py

4. 修改后，重装yolox 需要执行 python set.py install 重装

#执行： 
python set.py install

5. 开始训练：
   注意：需要有GPU才能训练

#执行： 
python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 16 --fp16 -c yolox_s.pth
# -d  GPU数量
# -b 单次iter训练的图片量，设置越大，训练时间越短
# --fp16 混合精度
# -c 模型名称

2.3 处理结果

• 将训练logtxt成csv文件得到ap图、损失率图
• 注意：手写一些python脚本进行文件处理，提取train_log.txt关键信息绘制图片, 官方训练过程中AP信息没有保存下来，所以自行记录并画图

#位置：
YOLOX-main/YOLOX-outputs/yolox_voc_s

2.3.1 处理AP

1. processLog.py:

• 功能：从官方自带的训练log（train_log.txt）读取关键信息：如训练过程中的各种损失率，并输出到csv文件

2.3.2 提取损失信息

2. processAP.py:

• 功能：从自建的训练记录log(train_evacuate_log.txt)中读取AP信息（官方log中没有），并输出到csv文件

图2.5 损失率关键信息

图2.6 训练过程中得到的AP图

2.4 使用训练得到的结果批量预测 测试数据

参考以下链接，预测部分
https://blog.csdn.net/weixin_40920183/article/details/120387381

2.5 遇到的问题：

a. 重新训练模型，需要删除缓存，不然下一次训练可能报错