YOLOx 官方数据集训练方法1（VOC）

yolox的训练和测试方法可以参考下面视频：

1.准备工作

博主这里训练的数据集是视频中提供的，视频中还涉及到很多编译错误，博主这边都没遇到过。。。这就很神奇了！

按照博客《YOLOx 安装开发环境》，我们先把开发环境安装好。

准备数据集：

将视频中提供的VOC2007数据集移动到datasets目录下：

VOC2007数据集下载地址：https://pan.baidu.com/s/1WGQHQmzIFY8rRYYU-4g-vQ

提取码：0ate

2.修改文件参数

进行训练之前，我们需要修改一些文件，注意修改如下：

1、修改“YOLOX-main\yolox\data\datasets\voc_classes.py”文件，为了方便演示，我们训练的数据集只提取了5张图片，一共有4类："cat","car","person","horse"，文件修改如下：

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# Copyright (c) Megvii, Inc. and its affiliates.

# VOC_CLASSES = ( '__background__', # always index 0
VOC_CLASSES = (
    "cat",
    "car",
    "person",
    "horse"
)

2、修改“YOLOX-main\exps\example\yolox_voc\yolox_voc_s.py”文件。

    1）将self.num_classes种类参数值改成4；

    2）新增“ self.data_num_workers = 0”设置，windows下只支持单线程，所以要设置成0，linux下可以设置成1（博主没试过）

    3）由于我们只要2007的数据集，所以需要将“ image_sets=[('2007', 'trainval'), ('2012', 'trainval')],”修改成“ image_sets=[('2007', 'trainval')],”

3、修改“YOLOX-main\tools\demo.py”文件

将

from yolox.data.datasets import COCO_CLASSES

改成

from yolox.data.datasets import COCO_CLASSES

同时将“COCO_CLASSES”全部替换成“VOC_CLASSES”

4、修改“YOLOX-main\yolox\evaluators\voc_eval.py”文件，解决在训练时，可能导致的无法找到xml文件的异常。

将

tree = ET.parse(filename)

改为

tree = ET.parse(os.path.join('datasets/VOCdevkit/VOC2007/Annotations', filename))

3.环境配置

注意：训练时如果报下面这个错误，则需要配置环境变量。

 Command '['where', 'cl']' returned non-zero exit status 1.

参考博客：https://blog.csdn.net/SINPER123/article/details/124920875

主要操作也就是添加下面两个环境变量（需要最新的Visual Studio环境）

1、新建环境变量INCLUDE，添加:（Include可能有多个版本，经验是选择新的）

2、新建环境变量LIB, 添加:

3.开始训练

说明：如果想使用GPU进行训练，请在train.py文件的前面添加下面代码

import os
os.environ['CUDA_VISIBLE_DEVICES']='0'

然后执行下面命令开始训练

python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 8 -c yolox_s.pth

训练完成之后，会生成这么一个目录“YOLOX-main\YOLOX_outputs\yolox_voc_s”，而我们最终要使用的是“best_ckpt.pth”文件。

4.测试

执行下面命令，来测试我们的“best_ckpt.pth”文件。

注意：记得将测试图片拷贝到“YOLOX-main\assets”目录下面。

python tools/demo.py image -f exps/example/yolox_voc/yolox_voc_s.py -c ./YOLOX_outputs/yolox_voc_s/best_ckpt.pth --path assets/000009.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result --device gpu

识别结果的文件保存在“YOLOX-main\YOLOX_outputs\yolox_voc_s\vis_res\2023_02_09_10_42_57”目录下面

注意：由于训练样本较少，识别度会比较低。