遥感影像目标检测（基于yolov5的遥感图像目标检测（NWPU VHR-10））
最近在做毕设 ，感觉网上信息不是很全 ，把自己的训练过程写下来供做这个方向的友友学习 。只有简单的复现 ，其余的还没探索到 。
一 、数据集以及数据预处理
首先就是数据集：我用的数据集是西工大发布的数据集 ，NWPU VHR-10
链接：https://pan.baidu.com/s/1vfhDU2ORWUpL-aGM1PllGw
提取码：d5au西工大数据集有十个类别 ，有三个文件夹 ，分别是positive image set（650张图片） ，negative image set（150张图片）和ground truth（650个txt文件） 。
negative image set中的影像无对应的地物目标 ，
positive image set中的影像包括1个及以上对应的地物目标 ，
ground truth中的txt对应positive image set中地物目标的外接矩形
影像信息： image size: 500~1100 * 500~1100 * 3 image number: 800 object number: 3,651标注信息：
10类 ，共3,651个目标； airplane,飞机 ship,船 storage tank,储罐 baseball diamond,棒球场 tennis court,网球场 basketball court,篮球场 ground track field,地面轨道场 harbor,港口 bridge,桥 vehicle,交通工具首先就是要把NWPU VHR-10转换成类似于voc数据集的形式然后再转化为yolo格式 。
voc文件格式包含文件annotations存放图片信息 、images存放训练图片 、ImageSets存放图片训练信息 。
将negative image set 、positive image set内图片重新进行顺序编号为000001.jpg-000800.jpg ，positive image set内图片为000001.jpg-000650.jpg ，negative image set内图片为000651.jpg-000800.jpg ，然后存放在image文件夹内 。
数据集的annotations文件夹内的标注信息xml文件格式相同的xml文件 。因为negative image set内图片无对应标注信息 ，所以只生成包含图片大小的xml文件 。
ImageSets文件夹内划分为train.txt 、val.txt 、trainval.txt 、test.txt四个文件,train代表训练集信息 ，val代表验证集信息 ，trainval代表训练集和验证集合并的数据信息 ，test代表测试集信息 。
然后将voc格式转换为yolo格式 ，在目录下生成新的labels文件夹 ，把数据集路径导入txt文件 ，将每个xml标注信息提取转换为了txt格式 ，每个图像对应一个txt文件 。
附上我的程序 ，其中main.py,1.py ，2.py ，3.py按顺序运行 ，因为后一个可能会用到前一个生成出来的东西的地址 ，把地址改成自己的地址就行 。
链接：https://pan.baidu.com/s/1C04y16LIdyby5vhNEzsYSA
提取码：iz0r有个地方出错了 ，3.py里面这一行改成底下那一句 ，少了一个bridge的类 ，harbor和vehicle之间少了一个 ， ，然后tennis拼错了
classes = [airplane,ship,storage tank,baseball diamond,tennis court,basketball court,ground track field,harbor,bridge,vehicle] # class names！！！地址很多！！！而且一定要按照顺序来运行 ，如果不确定能不能生成文件夹 ，可以自己提前创建 ，然后直接运行就行 ，除了地址其余什么都不需要改！！！！！
二 、环境搭建
首先附上yolov5官方源码 ，可以自己在Github上面下载 ，直接在Github上面搜yolov5 ，下载点赞最多的那个就行 。我已经下载到我的网盘了 ，这里附上我的网盘链接 。
链接：https://pan.baidu.com/s/1BENXIeyKgjwyAhnXA_n9Uw
提取码：3r9oyolov5运行需要pytorch和cuda ，因为我以前运行过一些神经网络深度学习的算法 ，所以我的环境都是已经搭建好的 ，另外如果想提高运行速度 ，是需要下载GPU的 ，只用cpu运行速度太慢 ，但是也能运行 。python版本最好是3.7或者3.8 ，太高好像会报错 ，可以在运行前提前降一下python版本 。我用的是3.8的conda版本 。
如果是纯纯小白 ，看这篇博客 ，安装环境
记录使用Anaconda 、Pycharm配置Yolov5环境全过程
环境搭建好下一步就是安装所需要的库
pip install -r requirements.txtyolov5自带一个requirements.txt文件 ，就是运行时能用到的所有库 ，按照上面的语句在终端也就是terminal运行一下就行 ，虽然一般情况下不会顺利完成 ，安装不了的就自己手动pip ，可以win+r输入cmd进入命令提示符窗口 ，输入pip list ，就可以看到所有的库和版本 ，对照requirements.txt给定的版本该install的install ，该uninstall的uninstall 。
三 、运行程序
首先需要在data文件夹下创建一个mydata.yaml,像这样 ，mydata.yaml是data的子文件 。
mydata.yaml的程序 ，yaml格式非常严格 ，除地址外的冒号后面都要有一个空格 ，不然会报错 ，（因为这个空格我改了两个小时） ，还有！！！
val ，train ，test的地址是我们数据预处理最后一步生成的地址 。
在这里的哦 ，和文件夹是同级文件 ，至于两个.cache文件没有不用管 ，这是在训练的时候生成的 ，现在没有是正常的 ，别整错了哦 。
这是程序 ，建议大家直接复制改个地址就行 。简单介绍一下 ，前面三行是地址 ，后面是类别 ，最后一个是类别的数目 ，也可以根据自己数据集进行修改 。
val: G:/csdn/yolov5/nwpu vhr-10/val.txt train: G:/csdn/yolov5/nwpu vhr-10/train.txt test: G:/csdn/yolov5/nwpu vhr-10/test.txt names: - airplane - ship - storage tank - baseball diamond - tennis court - basketball court - ground track field - harbor - bridge - vehicle nc: 10然后就是修改主程序 ，train.py,在utils文件下
主要需要修改的部分就是这五个 ，如果使用的是源码 ，只需要把第三行的yaml文件改成Mydata就行 。第一行的.pt文件是权重文件 ，是可以换的 ，后面会提到 。
接下来就是修改yaml文件 ，第二行我们使用的是yolo5s.yaml,所以在model/yolov5s.yaml中修改 。
把nc数改成上面一样的就行 ，因为西工大数据集只有十个类别 ，所以我的nc是10 。
接下来就可以运行了 。
如果出现了连接不到网络或者对方无响应什么的问题 ，那就是在运行中它会自己下载权重文件 ，也就是上面第一行的yolov5s.pt 的pt文件 ，出现问题也没多大关系 ，可以自己下载权重文件然后放到文件夹里就行啦 。
链接：https://pan.baidu.com/s/1p7_v_Wlicw_7oBUv-QNv_w
提取码：uarf这是权重文件链接 ，放到根目录下 ，也就是说和model是同级文件 ，并行的！！
权重文件长这样 ，内存越大 ，权重越大 ，训练效果越好 ，并不绝对！！！小心过拟合 ，而且运行速度zun的很慢 ，我用5s运行的西工大数据集 ，100个epochs ，跑了十个小时 ，换了个权重文件 ，5x的 ，一个小时都跑不完一个epoch 。
这样就没问题啦 ，运行出来的结果会保存到runs\train\exp里面
四 、detect
同样也是在utils文件夹下 ，修改这三个文件 ，第一个是我们使用的权重文件 ，第二个是我们需要检测的图片地址（一定要换成自己的图片！！！） ，第三个就是老规矩 。然后就可以运行了 ，生成的结果在runs\test\exp里面 ，我忘了截图了 。
五 、换权重文件
第一步 ，修改train里面的五个框 ，把5s改成别的 ，建议如果用大的权重文件就把epoch和batch-size改小一点 ，要不然会超时的哦 ，第二不 ，改相应的pt文件里的nc数 ，有印象吧 ，然后就可以运行了 ，如果报错 ，可以直接用一行代码在终端也就是terminal里运行 。（因为我自己运行的时候报了个莫名其妙的错误 ，所以用了这种方法 ，比较简单 ，不用改源码 ，什么都不需要改 。
python train.py --batch-size 2 --epochs 100 --data G:\bishe\bishe1\yolov5-master\data\mydata.yaml --weights D:\BaiduNetdiskDownload\yolov5-weights\yolov5x.pt四个要素 ，batchsize ，epochs ，mydata.yaml的地址还有权重文件.pt的地址 。这个方法不用改代码 ，什么都不需要动 ，无论你把我刚刚圈的几个框改成什么样了都没关系 ，直接这一行就行了
同样 ，detect也可以用这个方法 。
python .\detect.py --source C:\Users\Administrator\PycharmProjects\yolov5\imgs\valid\images --weights C:\Users\Administrator\PycharmProjects\yolov5\runs\train\exp8\weights\best.pt两个要素 ，一个是你需要测试的图片的地址 ，另一个是pt文件 ，这个文件就是我们训练出来的了 ，在runs\train\exp\weights\best.pt
这个也一样 ，不需要改源码 ，也不用管你把源码框框改成什么样了 ，都可以用这个方法 。
放一张detect的图片 。
这是我使用yolov5训练西工大数据集的全过程 ，我一点点摸索出来的 ，如果有不对的地方欢迎各位大佬留言指正 ，如果有什么问题也可以私信我 ，会的我会回答 ，不会的我只能深感抱歉 ，后续有改进我也会发出来的 。谢谢大家！！！
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！