前言
從接觸深度學習開始一直都做的是人臉識別，基本上也一直都在用mxnet. 記得之前在剛接觸的時候看到博客中寫到，深度學習分三個層次，第一個層次是分類，第二個層次是檢測，第三個層次是分割。人臉識別算是分類問題，也就是一直在第一個層次···一直都想有機會了解下第二個層次，奈何精力有限，工作中也沒有實際的項目需要。最近正好有個不急的檢測項目，趁此機會入門檢測吧。工作中聽同事提到yolov5效果不錯，而且文檔指導也比較豐富，因此選擇從此入手，順便也熟悉下pytorch。本文就以訓練一個簡單的皮卡丘檢測作為入門吧，也激發下對檢測的學習興趣，暫時不涉及網絡，anchor等細節的理解，只以訓練完為目標。
環境準備
安裝torch這些就不說了，本次訓練基於yolov5官方項目：https://github.com/ultralytics/yolov5 clone後，pip install -r requirements.txt安裝各項依賴 基本的目錄結構如下：data: 訓練數據和數據配置文件以及訓練配置 models: 模型配置文件 utils: 數據讀取、nms等各種訓練測試中用到的腳本 weight: train.py: 訓練腳本 test.py：測試腳本 detect.py: 運行腳本
數據集準備
https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data 根據官方指導，按需要的格式準備數據集：1. 一個圖片文件對應一個同名的.txt label文件 2. label文件中每一行表示一個目標，格式為：class x_center y_center box_width box_height, 其中數值都是歸一化的。類別從0開始 3. 按類似目錄方式防止數據，yolov5通過將圖片路徑中最後一個images換成labels去尋找對應的標籤
coco/images/000000109622.jpg # image
coco/labels/000000109622.txt # label本文中用的數據來源於 目標檢測數據集（皮卡丘） 中，但原文是mxnet用的rec格式，因此需要轉換成yolo格式。我已經轉好了：連結: 百度網盤數據集 提取碼: rek1 下載後解壓即可得到符合格式要求的數據。數據示例：
訓練前的配置
修改或新建dataset.yaml
在data目錄下，我們可以看到一個coco.yaml，內容如下：
# COCO 2017 dataset http://cocodataset.org - first 128 training images
# Train command: python train.py --data coco128.yaml
# Default dataset location is next to /yolov5:
# /parent_folder
# /coco128
# /yolov5
# download command/URL (optional)
# download: https://github.com/ultralytics/yolov5/releases/download/v1.0/coco128.zip
# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: ./data/coco128/images/train2017/ # 訓練集圖片路徑
val: ./data/coco128/images/train2017/ # 驗證集圖片路徑
# number of classes，類別數
nc: 80
# class names，類別名
names: ['person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus', 'train', 'truck', 'boat', 'traffic light',
'fire hydrant', 'stop sign', 'parking meter', 'bench', 'bird', 'cat', 'dog', 'horse', 'sheep', 'cow',
'elephant', 'bear', 'zebra', 'giraffe', 'backpack', 'umbrella', 'handbag', 'tie', 'suitcase', 'frisbee',
'skis', 'snowboard', 'sports ball', 'kite', 'baseball bat', 'baseball glove', 'skateboard', 'surfboard',
'tennis racket', 'bottle', 'wine glass', 'cup', 'fork', 'knife', 'spoon', 'bowl', 'banana', 'apple',
'sandwich', 'orange', 'broccoli', 'carrot', 'hot dog', 'pizza', 'donut', 'cake', 'chair', 'couch',
'potted plant', 'bed', 'dining table', 'toilet', 'tv', 'laptop', 'mouse', 'remote', 'keyboard', 'cell phone',
'microwave', 'oven', 'toaster', 'sink', 'refrigerator', 'book', 'clock', 'vase', 'scissors', 'teddy bear',
'hair drier', 'toothbrush']仿照這個格式，建立皮卡丘數據集的配置文件：
# COCO 2017 dataset http://cocodataset.org - first 128 training images
# Train command: python train.py --data coco128.yaml
# Default dataset location is next to /yolov5:
# /parent_folder
# /coco128
# /yolov5
# download command/URL (optional)
# download: https://github.com/ultralytics/yolov5/releases/download/v1.0/coco128.zip
# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: ./data/pikachu/images/train/ # 128 images
val: ./data/pikachu/images/val/ # 128 images
# number of classes
nc: 1
# class names
names: ['pikachu']訓練參數配置
訓練參數配置在data/hyp.finetune.yaml和hyp.scratch.yaml中，前者是finetune用的，後者是從頭訓練的。這次我們直接用hyp.finetune.yaml，先不做修改。
模型配置
模型配置在models/yolov5s.yaml中。目前也不做修改。
開始訓練
訓練使用train.py腳本，主要參數有：
--weights 預訓練權重，「」表示從頭訓
--cfg 模型配置文件路徑
--data 數據配置文件路徑
--hyp 訓練參數配置文件路徑
--epochs 訓練的epoch數
--batch-size
--img-size 網絡的輸入大小
--noautoanchor 是否自動計算anchor
--device 設備號
--workers dataloader線程數還有很多其他參數，不過暫時用不上就先不管了,執行以下命令可開始訓練，腳本會自動去下載yolov5s的預訓練權重進行訓練。
python train.py --weights yolov5.pt --data data/pikachu.yaml --hyp data/hyp.finetune.yaml --epochs 40 --img-size 320 --device 0 --batch-size 512
可視化
yolov5裡面有兩種可視化方式，一種是tensorboard, 一種是wandb。其中wandb有兩種使用方式，一種是到https://wandb.ai/home註冊一個帳號，在線使用。註冊後新建項目,名字叫yolov5，然後本地安裝配置wandb, 按提示輸入必要的信息（API Key):
pip install wandb
wandb login那麼訓練時就可以在自己的項目中看到如下畫面，還是挺不錯的，功能挺豐富：
不過這個網站挺卡的，好在wandb也有本地使用方式。
安裝docker後
wandb local參考：https://docs.wandb.ai/self-hosted/local 然後就可以本地訪問了。
測試
有兩個腳本和測試有關，test.py是用來跑測試集測性能的，detect.py是用來測試文件夾或攝像頭的。
python detect.py --source data/images --weights yolov5s.pt --conf-thres 0.25
在run/detect下即可找到圖像畫有目標框的圖像（也可以在執行detect.py的時候指定--view-img選項，即可顯示圖像）：
結語
至此就訓練出了一個簡單的檢測模型呢，雖然很簡單，不過基本流程通了。在走通流程後就要繼續了解實現的細節，如何調參等等了。可以從了解網絡結構開始，可參考 [https://zhuanlan.zhihu.com/p/343195876](https://zhuanlan.zhihu.com/p/343195876
註：如果數據集連結過期了，關注 老司機的視覺屋，回復pikachu即可獲取連結