pip install labelme

labelme

__ignore__
class1
class2
class3

pip install pycocotools

error: Microsoft Visual C++ 14.0 or greater is required. Get it with "Microsoft C++ Build Tools": https://visualstudio.microsoft.com/visual-cpp-build-tools/

git clone https://github.com/wkentaro/labelme

python labelme2coco.py [データセットのフォルダ] [保存名] --labels classes.txt

python labelme2coco.py 01.train train_dataset --labels classes.txt
python labelme2coco.py 02.val val_dataset --labels classes.txt

mkdir -p dataset/train2017/
mkdir -p dataset/val2017/
mkdir -p dataset/annotations

dataset
├── train2017
│   └── 画像.jpg ... (学習用画像群)
└── val2017
│   └── 画像.jpg ... (評価用画像軍)
└── annotations
　　├── train_annotations.json
　　└── val_annotations.json

import os 
import glob

annot_list = glob.glob(os.path.join('./annotations/','*.json'))

for path in annot_list:
    with open(path , 'r' ,encoding = 'utf-8') as f:
        jf = json.load(f)
    for data in jf['images']:
        data['file_name'] = data['file_name'].split('\\')[-1]
    with open(path , 'w' ,encoding = 'utf-8') as f:
        json.dump(jf , f)

git clone https://github.com/Megvii-BaseDetection/YOLOX
cd YOLOX
pip3 install -U pip && pip3 install -r requirements.txt
pip3 install -v -e .  # or  python3 setup.py develop
pip3 install cython; pip3 install 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

        self.num_classes = 80
        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
        # 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
        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 = 300
        self.warmup_lr = 0
        self.basic_lr_per_img = 0.01 / 64.0
        self.scheduler = "yoloxwarmcos"
        self.no_aug_epochs = 15
        self.min_lr_ratio = 0.05
        self.ema = True

        self.weight_decay = 5e-4
        self.momentum = 0.9
        self.print_interval = 10
        self.eval_interval = 10
        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

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


import os

from yolox.exp import Exp as MyExp


class Exp(MyExp):
    def __init__(self):
        super(Exp, self).__init__()
        self.depth = 0.33
        self.width = 0.50
        self.exp_name = os.path.split(os.path.realpath(__file__))[1].split(".")[0]

	## データセットの場所を定義(./datasets/フォルダに配置した場合は以下のようになる)
	self.data_dir = "./datasets/dataset"
        self.train_ann = "train_annotations.json"
        self.val_ann = "val_annotations.json"
	
	## クラス数の変更
	self.num_classes = 3
	
	## 評価間隔を変更（初期では10epochごとにしか評価が回らない）
	self.eval_interval = 1

cp ./tools/train.py ./

wget https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.pth

python train.py -f yolox_s.py -d 1 -b 16 --fp16 -o -c ./yolox_s.pth --cache

apt-get install -y libgl1-mesa-dev
apt-get install -y libglib2.0-0

2022-01-09 14:46:09 | INFO     | yolox.core.trainer:126 - args: Namespace(batch_size=16, cache=True, ckpt='./yolox_s.pth', devices=1, dist_backend='nccl', dist_url=None, exp_file='yolox_s.py', experiment_name='yolox_s', fp16=True, machine_rank=0, name=None, num_machines=1, occupy=True, opts=[], resume=False, start_epoch=None)
2022-01-09 14:46:09 | INFO     | yolox.core.trainer:127 - exp value:
╒══════════════════╤═════════════════════════════════════════════════════════╕
│ keys             │ values                                                  │
╞══════════════════╪═════════════════════════════════════════════════════════╡
│ seed             │ None                                                    │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ output_dir       │ './YOLOX_outputs'                                       │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ print_interval   │ 10                                                      │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ eval_interval    │ 1                                                       │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ num_classes      │ 3                                                       │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ depth            │ 0.33                                                    │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ width            │ 0.5                                                     │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ act              │ 'silu'                                                  │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ data_num_workers │ 4                                                       │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ input_size       │ (640, 640)                                              │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ multiscale_range │ 5                                                       │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ data_dir         │ './datasets/dataset/images'                             │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ train_ann        │ './datasets/dataset/annotations/train_annotations.json' │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ val_ann          │ './dataset/dataset/annotations/val_annotations.json'    │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ mosaic_prob      │ 1.0                                                     │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ mixup_prob       │ 1.0                                                     │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ hsv_prob         │ 1.0                                                     │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ flip_prob        │ 0.5                                                     │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ degrees          │ 10.0                                                    │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ translate        │ 0.1                                                     │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ mosaic_scale     │ (0.1, 2)                                                │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ mixup_scale      │ (0.5, 1.5)                                              │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ shear            │ 2.0                                                     │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ enable_mixup     │ True                                                    │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ warmup_epochs    │ 5                                                       │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ max_epoch        │ 300                                                     │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ warmup_lr        │ 0                                                       │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ basic_lr_per_img │ 0.00015625                                              │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ scheduler        │ 'yoloxwarmcos'                                          │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ no_aug_epochs    │ 15                                                      │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ min_lr_ratio     │ 0.05                                                    │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ ema              │ True                                                    │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ weight_decay     │ 0.0005                                                  │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ momentum         │ 0.9                                                     │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ exp_name         │ 'yolox_s'                                               │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ test_size        │ (640, 640)                                              │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ test_conf        │ 0.01                                                    │
├──────────────────┼─────────────────────────────────────────────────────────┤
│ nmsthre          │ 0.65                                                    │
╘══════════════════╧═════════════════════════════════════════════════════════╛

cp ./YOLOX_outputs/yolox_s/best_ckpt.pth/ ./

cp tools/demo.py ./
python demo.py image -f [設定ファイル].py --device gpu --fp16 --path [検査画像までのパス] -c ./best_ckpt.pth --save_result

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

import argparse
import os
import time
from loguru import logger

import cv2

import torch

from yolox.data.data_augment import ValTransform
#from yolox.data.datasets import COCO_CLASSES #ここをコメントアウト
from yolox.exp import get_exp
from yolox.utils import fuse_model, get_model_info, postprocess, vis

COCO_CLASSES = ('class1','class2','class3') #ここに追記