Yolov5代码：https://github.com/ultralytics/yolov5
数据集：https://www.flir.com/oem/adas/adas-dataset-form/
运行环境：Ubuntu 16.04+CUDA10.1+Python3.6

1、创建环境

1.1 创建虚拟环境yolo

conda create -n yolo python=3.6
source activate yolo

1.2 解压yolov5-master，并进入文件夹

安装需要的各种库

pip install -r requirements.txt

默认装的torch版本应该是最新版本的1.9，torchvision是0.10，低版本CUDA可能无法支持，这会导致训练的时候默认调用CPU而不是GPU。

2、数据集制作

2.1 文件夹路径如下

--dataset
    --train
        --images
        --labels
    --val
        --images
        --labels

值得注意的是，images底下的图片名字（00001.jpg)和labels的groundtruth(00001.txt)名字是一一对应的。


原始的数据集thermal_annotations.json文件中包含了全部训练集和验证集的标注信息，但yolo是一个文件对应一张图片，需要自己生成上图所示的标签文件。
另外，thermal_annotations.json中的”image_id“与图片id不对应
train图片是从00001.jpg开始，而对应的thermal_annotations.json中的”image_id“是从00000开始
val图片是从08863.jpg开始，而对应的thermal_annotations.json中的”image_id“是从00000开始
需要矫正一下对应关系！！！

2.2 labels标签的txt文件生成

这一步是训练数据准备的关键，内容如下：

每一行有五个数字组成，类别、x、y，w，h。类别由0,1,2,3,…等组成（如果是4类，应该取值为0~3），xywh是归一化后的数值，且xy是目标中心坐标，假设bbox保存的是目标左上角的坐标和宽高，转化过程如下：

def convert(size, box):
    dw = 1./(size[0])
    dh = 1./(size[1])
    x = (box[0] + box[1])/2.0 - 1
    y = (box[2] + box[3])/2.0 - 1
    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)

3、训练

3.1 主要修改两个文件

1. /models/yolov5s.yaml，将nc = 80修改为nc = 4（本文为4类目标）
2. data文件夹下新建一个xx.yaml（数据集路径），本文叫做FLIR.yaml，内容如下：

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: /data3/JJChen/YOLOtrainDataset/Flir/FLIR_ADAS_1_3/  # dataset root dir
train: train/images/  # train images (relative to 'path') 128 images
val: val/images/  # val images (relative to 'path') 128 images
test:  # test images (optional)

# Classes
nc: 4  # number of classes
names: ['Dogs', 'People', 'Bicycles', 'Cars']  # class names

path+train即训练集图片的路径

3.2 开始训练

从零开始训练：python train.py --img 640 --epochs 300 --data data/FLIR.yaml --cfg models/yolov5s.yaml --weight " "
从预训练模型进行微调：python train.py --img 640 --epochs 300 --data data/FLIR.yaml --cfg models/yolov5s.yaml --weight weights/yolov5s.pt
开始训练界面如下：

可能出现的错误：无法调用GPU

运行时gpu_mem为0G，这是用CPU在训练，所以一开始速度贼慢。打开train.py，修改436‘device’为0，1，2，3，结果却报错：

这主要原因是cuda和torch版本不匹配，直接安装的torch是1.9的，所以得降版本

Pytorch1.7.1+torchvision0.8.2下载地址：https://download.pytorch.org/whl/torch_stable.html
卸载torch：pip uninstall torch
卸载torchvision：pip uninstall torchvison
本地安装：

 pip install torch-1.7.1+cu101-cp36-cp36m-linux_x86_64.whl
 pip install torchvision-0.8.2+cu101-cp36-cp36m-linux_x86_64.whl

重新训练：

4、测试

下载一个红外视频python detect.py --source xx.mp4 --weights runs/train/exp7/weights/best.pt

参考博客：
FLIR Thermal Starter 数据集详解