大家好，我是张大刀。
上文中提到了yolov7的正负样本匹配策略，这里主要从0开始训练自己的数据集。
如果大家需文中ppt使用，请关注公众号后台添加微信，领取，备注“ppt”。
首先大刀是在windows电脑端完成数据集的标注，linux ubuntu系统中完成模型的训练。对windows系统电脑无要求，训练的电脑最好有gpu（没有gpu在cpu下也能训练，就是速度感人）
默认大家已经有conda的环境，如果没有的话，请参考
(windows 下：
https://blog.csdn.net/fan18317517352/article/details/123035625
linux下：
https://blog.csdn.net/u011262253/article/details/88828229)
1.数据标注
在window环境下，进入cmd, 安装labelimg(labelme也可以，但是labelme的标注文件为json格式，后面数据预处理方式不同)
pip install labelimg
在安装好labelimg后，cmd中输入labelimg
即可进入labelimg界面:
具体labelimg的使用，可以参见这篇文章：
标注完的数据文件夹类似于这种：
其中xml为标注文件，内容格式如下：
2. 环境安装
在yolov7github官网上下载源码,建议下载官方已经打好tag的代码，最新的代码可能一直在更新中。下载源码的方式有两种，一是：按照图中的方式点击下载；
二是：通过git clone。（git需要安装，其中git的安装在windows和linux上不同，建议度娘搜索安装）
第一种方式推荐小白使用。毕竟我们的目标是把算法训练起来，其中流程越简单越好，对于后面要致力于更专业的开发人员，推荐第二种方式。
在下载完yolov7后，因为是准备在linux服务器上训练，所以，需要将代码和数据均拷贝到linux服务器上，拷贝方式有两种（一是xftp，二是通过scp命令的方式，不会的可以自行百度）。
假设大家已经将代码和数据放到linux上，同时linux上已经安装有anconda环境。
首先通过conda 创建虚拟环境:
conda create -n yolov7 python=3.7
创建好在基于python3.7的环境后，进入该虚拟环境：
conda activate yolov7
在tag0.1中，yolov7还没有上传requirement.txt，因为yolov7基于yolov5的代码库写的(代码风格一脉相承)，可以在yolov5中下载requirement.txt ，放到yolov7下面，并安装环境：
pip install -r requirement.txt
至此，yolov7的环境安装成功，使用
pip list
查看环境的安装情况：
3. 数据预处理
首先将数据分成两个文件夹Annotations 和JPEGImages：
其中Annotations里放xml文件，JPEGImages里放对应的Image。需要将xml文件中的VOC格式的标注数据改成yolo格式的数据，并将数据放在labels文件夹下，转换格式的代码如下：
# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
import random
classes = ['person']
def clear_hidden_files(path):
dir_list = os.listdir(path)
for i in dir_list:
abspath = os.path.join(os.path.abspath(path), i)
if os.path.isfile(abspath):
if i.startswith("._"):
os.remove(abspath)
else:
clear_hidden_files(abspath)
def convert(size, box):
dw = 1./size[0]
dh = 1./size[1]
x = (box[0] + box[1])/2.0
y = (box[2] + box[3])/2.0
w = box[1] - box[0]
h = box[3] - box[2]
x = x*dw
w = w*dw
y = y*dh
h = h*dh
return (x,y,w,h)
def convert_annotation(image_id):
out_file = open('labels/%s.txt' % image_id, 'w')
in_file = open('Annotations/%s.xml' %image_id)
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
print(w, h)
for obj in root.iter('object'):
difficult = obj.find('difficult').text
cls = obj.find('name').text
if cls not in classes or int(difficult) == 1:
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))
bb = convert((w,h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
in_file.close()
out_file.close()
wd = os.getcwd()
annotation_dir = os.path.join(wd, "Annotations/")
if not os.path.isdir(annotation_dir):
os.mkdir(annotation_dir)
clear_hidden_files(annotation_dir)
image_dir = os.path.join(wd, "images/")
if not os.path.isdir(image_dir):
os.mkdir(image_dir)
clear_hidden_files(image_dir)
train_file = open(os.path.join(wd, "2007_train.txt"), 'w')
val_file = open(os.path.join(wd, "2007_val.txt"), 'w')
train_file.close()
val_file.close()
if not os.path.exists('labels'):
os.makedirs('labels')
train_file = open(os.path.join(wd, "2007_train.txt"), 'a')
val_file = open(os.path.join(wd, "2007_val.txt"), 'a')
list = os.listdir(image_dir) # list image files
probo = random.randint(1, 100)
print (len(list))
for i in range(0, len(list)):
path = os.path.join(image_dir,list[i])
if os.path.isfile(path):
image_path = image_dir + list[i]
voc_path = list[i]
(nameWithoutExtention, extention) = os.path.splitext(os.path.basename(image_path))
(voc_nameWithoutExtention, voc_extention) = os.path.splitext(os.path.basename(voc_path))
annotation_name = nameWithoutExtention + '.xml'
annotation_path = os.path.join(annotation_dir, annotation_name)
# print (annotation_path)
probo = random.randint(1, 100)
print("Probobility: %d" % probo)
if(probo <=90): # random choice train or test
if os.path.exists(annotation_path):
train_file.write(image_path + '\n')
convert_annotation(nameWithoutExtention)
else:
if os.path.exists(annotation_path):
val_file.write(image_path + '\n')
train_file.close()
val_file.close()
以上代码，将voc格式的xml转换成yolo格式：
其中第一个值为标注框的标签，后面四位(x,y,w,h)为标注框的位置，均为相对整张图片的位置，这样处理的原因是yolo系列输入到网络的是固定大小的图片，这样的相对位置方便图片标签的预处理。
同时上述代码还将整个数据集以9：1比例随机分成训练集和验证集，分别保存在2007_train.txt和2007_val.txt文件中：
而后整个数据集层级如下：
最后用于yolov7训练的是红框标注的文件和文件夹，至此数据部分处理完毕。
4. 训练配置
在下载好yolov7后，也要另外下载好要训练模型对应的预训练模型。如我要训练yolov7的模型，则下载yolov7.pt(没有预训练模型也是可以训练的，但是收敛速度和精度上可能会打折扣。)
添加数据集配置文件，如我的任务是行人检测，配置文件为data/person.yaml:
# COCO 2017 dataset http://cocodataset.org
# download command/URL (optional)
# download: bash ./scripts/get_coco.sh
# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: /data2/all/2007_train.txt # 118287 images
val: /data2/all/2007_val.txt # 5000 images
# https://competitions.codalab.org/competitions/20794
# number of classes
nc: 1
# class names
names: [ 'person' ]
修改网络的配置文件cfg/deploy/yolov7.yaml,主要是修改前面几行的parameters,nc改成自己需要训练的类别数 ，其他的均不需要变化，anchor的设置同yolov5,这里的anchor均为coco数据集的anchor聚类值，如果与训练数据差别过大，anchor会重新聚类计算。
# parameters
nc: 1 # number of classes
depth_multiple: 1.0 # model depth multiple
width_multiple: 1.0 # layer channel multiple
# anchors
anchors:
- [12,16, 19,36, 40,28] # P3/8
- [36,75, 76,55, 72,146] # P4/16
- [142,110, 192,243, 459,401] # P5/32
还有data/hyp.scratch.yaml，训练模型的超参部分，第一次训练的时候建议不用改变，等后续优化的时候再去更新迭代。
最后再去配置train.py中的参数：
其中主要修改的部分为weight（预训练模型路径）、cfg(网络配置路径)、data(数据集配置路径)、hyp(超参配置路径)、epochs(训练轮数)、batch_size(几张图片一起训练，这个与gpu性能和个数有关)，img_size(输入网络的图片大小，需要是32的倍数)，device（训练时指定的gpu或者cpu）其他的一些参数在调参时会使用到，基本参数意义和yolov5相同。
5.训练及测试
在配置完训练参数后，就可以开始训练了：
python train.py
一般情况下，这样就可以直接训练了，有时候在多卡或者torch版本不高的时候，会出现只能吊用一张卡的情况，为了以防万一，建议使用以下命令启动训练：
python -m torch.distributed.launch --nproc_per_node 4 train.py
其中4表示我使用了4张卡来做训练。
训练完成后，在runs/train下面有对应的训练日志和结果：
其中weight里面放有last.pt和best.pt,train_batch,jpg中放有前处理后放入网络的图片：
test_batch.jpg中放对2007_val.txt预测的图片结果：
以及模型评测的一些指标：PR曲线（用于计算map），PR曲线的recall没有到1的原因是置信度的阈值没有取全阈值，即没有从0.01或者0.001开始，而是从0.3开始的：
F1_score曲线(用于找到模型的最佳score阈值)，本文中最佳score阈值为0.341：
混淆矩阵：
模型预测则对detect.py配置：
其中主要修改的部分为：
weight（训练模型路径）
source(测试图片文件夹路径)
conf_thres(置信度阈值)
iou_thres(IOU阈值)
device（预测时指定的gpu或者cpu）
view-img(是否在预测时将预测结果实时显示，不建议)
save-txt(将预测结果保存成txt)
save-conf(保存成txt时，是否保存置信度)
nosave(是否将预测结果保存成图片)
classes(只测试某个类别)
其他的一些参数在调参时会使用到，基本参数意义和yolov5相同。
以上为yolov7的从数据集构建到训练测试整个过程，实际在做项目时，则是一遍遍的构建训练测试集，训练测试，分析错误集，再训练测试，更新迭代。