知识蒸馏4：准备数据集并修改网络配置

1 下载项目文件

从百度网盘下载到项目目录下并解压

• VOCdevkit_bm.zip
• testfiles.zip
• prepare_data.py

2 解压建立或自行建立数据集

使用PASCAL VOC数据集的目录结构:
建立文件夹层次为 VOCdevkit / VOC2007
VOC2007下面建立两个文件夹：Annotations和JPEGImages
JPEGImages放所有的训练和测试图片；Annotations放所有的xml标记文件

3 生成训练集和验证集文件

执行python脚本：

 python prepare_data.py
1

注意：classes=["ball","messi"]要根据自己的数据集类别做相应的修改

• 在VOCdevkit目录下生成了images和labels文件夹
  images文件夹下有train和val文件夹，分别放置训练集和验证集图片；
  labels文件夹有train和val文件夹，分别放置训练集和验证集标签（yolo格式）
• 在yolov5下生成了两个文件yolov5_train.txt和yolov5_val.txt。
  yolov5_train.txt和yolov5_val.txt分别给出了训练图片文件和验证图片文件的列表， 含有每个图片的路径和文件名

4 修改配置文件

1) 新建文件data/voc_bm.yaml

可以复制data/VOC.yaml再根据自己情况的修改；可以重新命名如：data/voc_bm.yaml
然后修改配置参数

path: ./VOCdevkit
train: # train images (relative to 'path') 16551 images
 - images/train/ 
val: # val images (relative to 'path') 4952 images
 - images/val/
test: # test images (optional)
# Classes
nc: 2  # number of classes
names: ['ball', 'messi']  # class names
1
2
3
4
5
6
7
8
9

2) 新建文件models/yolov5s_bm.yaml
可以复制models/yolov5s.yaml再根据自己情况的修改；可以重新命名如：models/yolov5s_bm.yaml然后修改配置参数

# parameters
nc: 2  # number of classes
1
2

3) 新建文件models/yolov5m_bm.yaml
可以复制models/yolov5m.yaml再根据自己情况的修改；可以重新命名如：models/yolov5m_bm.yaml
然后修改配置参数

# parameters
nc: 2  # number of classes
1
2