yoloV7自己的数据集

### 使用YOLOv7训练自定义数据集 #### 准备工作 为了使用YOLOv7训练自定义数据集，需先准备并转换数据格式。由于先前使用的YOLOv5依赖于VOC格式（XML文件），而YOLOv7期望的是YOLO格式的数据[^1]。 #### 创建数据集结构 建立适当的数据目录结构对于顺利运行YOLOv7至关重要。通常情况下，应构建如下所示的文件夹架构： ``` dataset/ ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/ ``` 此结构有助于区分训练和验证图像及其对应的标签文件[^2]。 #### 转换标注文件格式 考虑到现有的标注是以Pascal VOC XML形式存储，需要将其转化为YOLO所需的TXT格式。每条记录应当包含目标类别索引以及边界框的位置信息（归一化的中心坐标x, y及宽度w、高度h）。可以编写脚本完成这一过程；Python中的`xml.etree.ElementTree`库可用于解析原始XML文档，并通过简单的计算实现坐标的标准化处理[^3]。 ```python import xml.etree.ElementTree as ET from pathlib import Path def convert_voc_to_yolo(xml_file_path: str, output_dir: str): tree = ET.parse(xml_file_path) root = tree.getroot() image_width = int(root.find('size/width').text) image_height = int(root.find('size/height').text) with open(output_dir / f"{Path(xml_file_path).stem}.txt", 'w') as out_f: for obj in root.findall('object'): class_name = obj.find('name').text # 假设有一个字典映射类名到整数ID class_id = {'classA': 0, 'classB': 1}[class_name] bndbox = obj.find('bndbox') xmin = float(bndbox.find('xmin').text) ymin = float(bndbox.find('ymin').text) xmax = float(bndbox.find('xmax').text) ymax = float(bndbox.find('ymax').text) x_center = ((xmin + xmax) / 2) / image_width y_center = ((ymin + ymax) / 2) / image_height width = (xmax - xmin) / image_width height = (ymax - ymin) / image_height line = f'{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}\n' out_f.write(line) # 示例调用方式 convert_voc_to_yolo('/path/to/xml/file.xml', '/output/directory/') ``` #### 配置文件设置 接下来要编辑配置文件`.yaml`，指定路径和其他参数以便YOLOv7识别新创建的数据集。该文件至少应该包括以下几个部分：训练图片位置、测试图片位置、类别数量等基本信息。 ```yaml train: ./data/images/train/ val: ./data/images/val/ nc: 80 # 类别总数 names: ['person', 'car', ... ] # 所有类别的名称列表 ``` #### 开始训练 最后，在准备好一切之后就可以启动训练流程了。这一步骤涉及到调整学习率、批量大小以及其他可能影响性能的因素。如果遇到收敛困难等问题，则建议尝试减小初始学习速率或增加正则化强度以增强模型稳定性[^4]。 ```bash python train.py --img-size 640 \ --batch-size 16 \ --epochs 100 \ --data path/to/data.yaml \ --weights yolov7.pt \ --device cuda:0 ```