YOLOX-在Windows平台训练YOLOX目标检测算法-附项目源码+流程教程-优质项目实战.zip

## Introduction 这是一个用于Windows训练YOLOX的项目，相比于官方项目，做了一些适配和修改： 1、解决了Windows下import yolox失败，No such file or directory: 'xxx.xml'等路径问题 2、CUDA out of memory等显存不够问题 3、增加eval.txt，可以输出IoU=0.5-0.95的AP值，以及Map50和Map50:95 ## Benchmark | Model | size | mAP<sup>val<br>0.5:0.95 | mAP<sup>test<br>0.5:0.95 | Speed V100<br>(ms) | Params<br>(M) | FLOPs<br>(G) | weights | | ------------------------------------------- | :--: | :---------------------: | :----------------------: | :----------------: | :-----------: | :----------: | :----------------------------------------------------------: | | [YOLOX-s](./exps/default/yolox_s.py) | 640 | 40.5 | 40.5 | 9.8 | 9.0 | 26.8 | [github](https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.pth) | | [YOLOX-m](./exps/default/yolox_m.py) | 640 | 46.9 | 47.2 | 12.3 | 25.3 | 73.8 | [github](https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_m.pth) | | [YOLOX-l](./exps/default/yolox_l.py) | 640 | 49.7 | 50.1 | 14.5 | 54.2 | 155.6 | [github](https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_l.pth) | | [YOLOX-x](./exps/default/yolox_x.py) | 640 | 51.1 | **51.5** | 17.3 | 99.1 | 281.9 | [github](https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_x.pth) | | [YOLOX-Darknet53](./exps/default/yolov3.py) | 640 | 47.7 | 48.0 | 11.1 | 63.7 | 185.3 | [github](https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_darknet.pth) | ## Training on custom data ### 1、准备数据集 以VOC数据集为例，数据目录如下图所示，**datasets/VOCdevkit/VOC2021/**(不建议修改年份，如需要修改，则对应修改yolox_voc_s.py中的年份)，该文件夹下有三个文件夹，分别为**Annotations、JPEGImages、ImageSets，特别注意ImageSets文件夹下须新建Main文件夹**，运行dataset_cls.py（注意切换到datasets路径下，可以修改训练集和测试集比例）会自动生成训练文件**trainval.txt**和**test.txt** <img src="assets/dataset.png"> ### 2、修改配置文件 修改exps/example/yolox_voc/yolox_voc_s.py文件 **self.num_classes**和其他配置变量（自选） ```python class Exp(MyExp): def __init__(self): super(Exp, self).__init__() self.num_classes = 42 #修改成自己的类别 self.depth = 0.33 self.width = 0.50 self.warmup_epochs = 1 ``` 此Exp类体继承MyExp类体，且可以对MyExp的变量重写（因此有更高的优先级），对按住ctrl点击MyExp跳转 ```python class Exp(BaseExp): def __init__(self): super().__init__() # ---------------- model config ---------------- # self.num_classes = 80 #因为在yolox_voc_s.py中已经重新赋值，此处不用修改 self.depth = 1.00 self.width = 1.00 self.act = 'silu' # ---------------- dataloader config ---------------- # # set worker to 4 for shorter dataloader init time self.data_num_workers = 4 self.input_size = (640, 640) # (height, width) # Actual multiscale ranges: [640-5*32, 640+5*32]. # To disable multiscale training, set the # self.multiscale_range to 0. self.multiscale_range = 5 #五种输入大小随机调整 # You can uncomment this line to specify a multiscale range # self.random_size = (14, 26) self.data_dir = None self.train_ann = "instances_train2017.json" self.val_ann = "instances_val2017.json" # --------------- transform config ----------------- # self.mosaic_prob = 1.0 #数据增强概率，可以根据需要调整 self.mixup_prob = 1.0 self.hsv_prob = 1.0 self.flip_prob = 0.5 self.degrees = 10.0 self.translate = 0.1 self.mosaic_scale = (0.1, 2) self.mixup_scale = (0.5, 1.5) self.shear = 2.0 self.enable_mixup = True # -------------- training config --------------------- # self.warmup_epochs = 5 self.max_epoch = 100 #设置训练轮数 self.warmup_lr = 0 self.basic_lr_per_img = 0.01 / 64.0 self.scheduler = "yoloxwarmcos" self.no_aug_epochs = 15 #不适用数据增强轮数 self.min_lr_ratio = 0.05 self.ema = True self.weight_decay = 5e-4 self.momentum = 0.9 self.print_interval = 10 #每隔十步打印输出一次训练信息 self.eval_interval = 1 #每隔1轮保存一次 self.exp_name = os.path.split(os.path.realpath(__file__))[1].split(".")[0] # ----------------- testing config ------------------ # self.test_size = (640, 640) self.test_conf = 0.01 self.nmsthre = 0.65 ``` 可以对上述类体变量进行调整，其中关键变量有**input_size、max_epoch、eval_interval**等 ### 3、开始训练 输入以下命令开始训练，**-c** 表示加载预训练权重 ``` python tools/train.py -c /path/to/yolox_s.pth ``` 你也可以对其他参数进行调整，例如： ``` python tools/train.py -d 1 -b 8 --fp16 -c /path/to/yolox_s.pth ``` **-d **表示用几块显卡，**-b **表示设置batch_size，**--fp16** 表示半精度训练，**-c** 表示加载预训练权重，**如果在显存不足的情况下，谨慎输入 -o 参数，会占用较多显存** 如果训练一半终止后，想继续断点训练，可以输入 ``` python tools/train.py --resume ``` ## Evaluation 输入以下代码默认对精度最高模型评估，评估后，可以在YOLOX_outputs/yolox_voc_s/eval.txt中看到**IoU=0.5-0.95**的AP值，文件最后可以看到**Map50**和**Map50:95** ``` python tools/eval.py ``` 如需对设定其他参数，可以输入以下代码，参数意义同训练 ``` python tools/eval.py -n yolox-s -c yolox_s.pth -b 8 -d 1 --conf 0.001 yolox-m yolox-l yolox-x ```