yolov5训练KITTI

### 准备工作

对于WIN10环境下的YOLOv5框架训练KITTI数据集物体检测模型，准备工作至关重要。首先需下载并解压KITTI数据集至本地路径[^1]。

# 假设已将 KITTI 数据集放置于指定位置
cd path_to_kitti_dataset/
unzip kitti_data.zip

### 修改配置文件

为了使YOLOv5能够识别和处理KITTI数据集，在`yolov5/data/kitti.yaml`中定义数据集的相关参数是必要的操作之一。此文件应包含类别名称、图像路径以及标签路径等信息。

train: ./path_to_train_images/
val:   ./path_to_val_images/

nc: 8    # 类别数量
names: ['Car', 'Van', 'Truck', 'Pedestrian', 'Person_sitting', 'Cyclist', 'Tram', 'Misc']

### 调整标注格式

由于YOLO系列算法采用特定的标签格式——即每张图片对应一个`.txt`文件，每一行代表一个目标对象的位置及其所属类别的索引编号；而原始KITTI数据集中是以另一种方式存储这些信息，因此需要编写脚本转换成YOLO所需的格式。

import xml.etree.ElementTree as ET
from pathlib import Path


def convert_annotation(xml_file, output_dir):
    tree = ET.parse(xml_file)
    root = tree.getroot()
    
    with open(Path(output_dir)/f"{Path(xml_file).stem}.txt", "w") as f:
        for obj in root.iter('object'):
            difficult = obj.find('difficult').text
            cls_name = obj.find('name').text
            
            if int(difficult)==1 or cls_name not in names.keys():
                continue
                
            bndbox = obj.find('bndbox')
            bbox = [
                float(bndbox.find('xmin').text),
                float(bndbox.find('ymin').text),
                float(bndbox.find('xmax').text),
                float(bndbox.find('ymax').text)
            ]
            
            label_idx = list(names.values()).index(cls_name)+1
            line = f"{label_idx} {' '.join(map(str,bbox))}\n"
            f.write(line)


if __name__ == '__main__':
    dataset_path = './data/KITTI'
    labels_output_dir = './labels'

    (Path(labels_output_dir)).mkdir(parents=True, exist_ok=True)

    annotations_files = sorted(list((Path(dataset_path)/'annotations').glob('*.xml')))
    for annotation_file in annotations_files:
        convert_annotation(annotation_file, labels_output_dir)

### 开始训练过程

完成上述步骤之后就可以启动训练流程了。通过命令行工具进入YOLOv5项目根目录下执行如下指令来开启GPU加速模式下的模型训练任务：

python train.py --img 640 --batch 16 --epochs 300 \
               --data data/kitti.yaml --weights yolov5s.pt \
               --device 0     # 使用第0号显卡进行计算