写在前面

前段时间参加了Kaggle的一个目标检测竞赛，比赛后期因为工作较繁忙就搁置了，但仍然获得了铜牌（前10%）。因此在这里想跟大家分享下自己的方案，希望能帮助大家更好的了解目标检测这一经典的计算机视觉领域。

这篇教程的主要代码来源于这个git仓库(https://github.com/ultralytics/yolov5)，是国外一个公司开源的。选择这个项目一是因为性能好，最新mAP达到了50.8/25.5ms，太强大了；二是因为该项目是用pytorch实现的，使用门槛低，很适合初学者。下面开始我们的实战教程。

数据分析

这里需要重点说明下，CV任务的第一步绝对不是搭模型，而是观察数据，只有了解的数据的组成和分布，才能搭出性能更好好的模型。首先看下比赛数据，看下面9张图片，可以看出小麦品种不一，风格差异很大，所以很明显Domain Gap是这个比赛的难点。

再来看下标注框，每张图有几十个目标，分布非常密集，所以这个任务其实属于密集小目标检测问题，因此像FPN这种金字塔模型肯定是必不可少的。

数据处理

目标检测任务跟分类不同，数据的格式有很多种，比较常用的是COCO和VOC格式，YoloV5使用的是YOLO自己的格式。Kaggle的数据标签是用csv格式保存的，需要转换成YOLO的标注格式。格式转换可以参考下面这段代码。

import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)
import os

df = pd.read_csv('../input/global-wheat-detection/train.csv')
bboxs = np.stack(df['bbox'].apply(lambda x: np.fromstring(x[1:-1], sep=',')))
for i, column in enumerate(['x', 'y', 'w', 'h']):
    df[column] = bboxs[:,i]
df.drop(columns=['bbox'], inplace=True)
df['x_center'] = df['x'] + df['w']/2
df['y_center'] = df['y'] + df['h']/2
df['classes'] = 0
from tqdm.auto import tqdm
import shutil as sh
df = df[['image_id','x', 'y', 'w', 'h','x_center','y_center','classes']]

index = list(set(df.image_id))
index = list(set(df.image_id))
source = 'train'
if True:
    for fold in [0]:
        val_index = index[len(index)*fold//5:len(index)*(fold+1)//5]
        for name,mini in tqdm(df.groupby('image_id')):
            if name in val_index:
                path2save = 'val2017/'
            else:
                path2save = 'train2017/'
            if not os.path.exists('convertor/fold{}/labels/'.format(fold)+path2save):
                os.makedirs('convertor/fold{}/labels/'.format(fold)+path2save)
            with open('convertor/fold{}/labels/'.format(fold)+path2save+name+".txt", 'w+') as f:
                row = mini[['classes','x_center','y_center','w','h']].astype(float).values
                row = row/1024
                row = row.astype(str)
                for j in range(len(row)):
                    text = ' '.join(row[j])
                    f.write(text)
                    f.write("\n")
            if not os.path.exists('convertor/fold{}/images/{}'.format(fold,path2save)):
                os.makedirs('convertor/fold{}/images/{}'.format(fold,path2save))
            sh.copy("../input/global-wheat-detection/{}/{}.jpg".format(source,name),'convertor/fold{}/images/{}/{}.jpg'.format(fold,path2save,name))

模型训练

先看下YoloV5长啥样，毕竟从YoloV1发展到V5，模型也确实复杂了很多，不过其实核心结构没有变，只是增加了大量的trick，每一个trick都需要大量的调参，这也是YoloV5作者的一个非常大的贡献。不过我建议刚上手不用了解的这么深入，先跑起来再说。

数据处理完毕后，下载YoloV5的源代码，在data文件下配置自己的数据路径，例如下面的wheat0.yaml，主要是训练和验证集的路径，类别数量和类别名这4个参数。

# train and val datasets (image directory or *.txt file with image paths)
train: ./convertor/fold0/images/train2017/
val: ./convertor/fold0/images/val2017/

# number of classes
nc: 1

# class names
names: ['wheat']

配置文件更改完成后就可以直接训练了，需要训练100个epoch才能得到一个较好的模型。使用如下的训练脚本开始训练。

python train.py --img 1024 --batch 2 --epochs 100 --data ../input/configyolo5/wheat0.yaml --cfg ../input/configyolo5/yolov5x.yaml --name yolov5x_fold0

下面是我训练模型的可视化结果，可以看出来效果还是不错的，基本没有漏标或误判。

写在后面

以上就是YoloV5的实战训练教程，其实跑起来还是很简单的。大家可以先试下，把训练流程跑通，下篇文章我会把我的测试流程和kaggle的提交代码也分享出来，欢迎大家关注和转发。有任何问题可以在文章下面评论，我会及时回复。