文章目录[隐藏]
一、环境
联想小新pro13
ubuntu18
yolov5
二、前期准备
2.1、安装python3.7(python版本 > 3.6)
sudo apt-get install python3.7
2.2、安装pip
sudo apt install python-pip3
2.3、下载yolov5模型
git clone git@github.com:ultralytics/yolov5.git
进入到yolov5文件夹中（cd yolov5）
pip3 install -U -r requirements.txt
如果出错则
pip3 install --upgrade pillow -i https://pypi.tuna.tsinghua.edu.cn/simple
2.5、官方训练、预测
进入yolov文件夹中，打开终端
训练：python3 train.py --img 640 --batch 2 --epoch 3 --data coco128.yaml --weights yolov5s.pt
预测：python detect.py --source=“data/images/bus.jpg” --weights=“yolov5s.pt”
python3 detect.py --weights runs/train/exp/weights/best.pt --img 640 --conf 0.25 --source data/images
其中：img为图片大小、batch为图片张数、epoch:训练次数、data:训练的数据、weights:训练的框架、conf:精度、source来源
2.6、训练自己的模型
2.6.1、按规则创建文件夹
！创建一个文件夹（Blue_two）,在文件夹在创建detect文件夹（放需要进行预测的图片）和yolo文件夹，yolo文件夹里新建images文件夹和labels文件夹，分别在两个文件夹中创建train1文件夹，imges中的train1放训练的图片，labels中的train1放yolov5标定后的数据集
2.6.2、构建yaml文件
在yolov5文件夹下的data文件夹中创建xxx.yaml(car.yaml),写入
其中
path 为上面构建的文件夹中的yolo文件夹
train、val为上面文件夹构建的train1文件夹（train:训练集、val：部分验证集）
nc:分类样本的数量
names:放标完数据集得到的classes.txt文件中的内容（要一样）
2.6.3、训练
python3 train.py --img 640 --batch 2 --epoch 3 --data car.yaml --weights yolov5s.pt
其中：
img:图片大小
batch:放入图片数
epoch:训练次数
data:训练数据
weights:训练的框架
conf:精度
source:来源
2.6.4、预测
python3 detect.py —weights runs/train/exp12/weights/best.pt —img 640 —conf 0.25 —source /home/winter/Car/yolo/images/train1
官方：https://github.com/ultralytics/yolov5
Tutorials
- Train Custom Data
RECOMMENDED
- Tips for Best Training Results
RECOMMENDED
- Weights & Biases Logging
NEW
- Roboflow for Datasets, Labeling, and Active Learning
NEW
- Multi-GPU Training
- PyTorch Hub
NEW
- TorchScript, ONNX, CoreML Export
- Test-Time Augmentation (TTA)
- Model Ensembling
- Model Pruning/Sparsity
- Hyperparameter Evolution
- Transfer Learning with Frozen Layers
NEW
- TensorRT Deployment
python detect.py --source 0 # webcam
file.jpg # image
file.mp4 # video
path/ # directory
path/*.jpg # glob 该路径目录下的全部图片
'https://youtu.be/NUsoVlDFqZg' # YouTube
'rtsp://example.com/media.mp4' # RTSP, RTMP, HTTP stream
#source后面可以放.jpg图片或.mp4视频detect.py文件介绍
def run(weights='yolov5s.pt', # model.pt path(s) 权重
source='data/images', # file/dir/URL/glob, 0 for webcam 图片
imgsz=640, # inference size (pixels)
conf_thres=0.25, # confidence threshold
iou_thres=0.45, # NMS IOU threshold
max_det=1000, # maximum detections per image
device='', # cuda device, i.e. 0 or 0,1,2,3 or cpu
view_img=False, # show results
save_txt=False, # save results to *.txt
save_conf=False, # save confidences in --save-txt labels
save_crop=False, # save cropped prediction boxes
nosave=False, # do not save images/videos
classes=None, # filter by class: --class 0, or --class 0 2 3
agnostic_nms=False, # class-agnostic NMS
augment=False, # augmented inference
visualize=False, # visualize features
update=False, # update all models
project='runs/detect', # save results to project/name
name='exp', # save results to project/name
exist_ok=False, # existing project/name ok, do not increment
line_thickness=3, # bounding box thickness (pixels)
hide_labels=False, # hide labels
hide_conf=False, # hide confidences
half=False, # use FP16 half-precision inference
):
def parse_opt():
parser = argparse.ArgumentParser()
parser.add_argument('--weights', nargs='+', type=str, default='yolov5s.pt', help='model path(s)') #指定网络模型，权重 默认情况下是yolov5s.pt 可修改default成yolov5m yolov5l等（训练自己的模型则先设为空）
parser.add_argument('--source', type=str, default='data/images', help='file/dir/URL/glob, 0 for webcam') #为网络指定一个输入 default为图片的路径
parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640], help='inference size h,w') #图片大小
parser.add_argument('--conf-thres', type=float, default=0.25, help='confidence threshold') #置信区域，检测区域的置信度大于0.25才显示（越大越好）
parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS IoU threshold') #圈出的框相交的区域，当大于某个值后在这两个框中选择一个较好的（避免重复判定）
parser.add_argument('--max-det', type=int, default=1000, help='maximum detections per image')
parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
parser.add_argument('--view-img', action='store_true', help='show results') #只要设定该参数则为true（直接显示结果）（可在pycharm中可直接写入）
parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu') #可进行多赋值
parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')
parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')
parser.add_argument('--save-crop', action='store_true', help='save cropped prediction boxes')
parser.add_argument('--nosave', action='store_true', help='do not save images/videos')
parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --class 0, or --class 0 2 3') #类型，人、车、招牌等 classes=物体编号
parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')
parser.add_argument('--augment', action='store_true', help='augmented inference')
parser.add_argument('--visualize', action='store_true', help='visualize features')
parser.add_argument('--update', action='store_true', help='update all models') #把模型中不
parser.add_argument('--project', default='runs/detect', help='save results to project/name')
parser.add_argument('--name', default='exp', help='save results to project/name')
parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
parser.add_argument('--line-thickness', default=3, type=int, help='bounding box thickness (pixels)')
parser.add_argument('--hide-labels', default=False, action='store_true', help='hide labels')
parser.add_argument('--hide-conf', default=False, action='store_true', help='hide confidences')
parser.add_argument('--half', action='store_true', help='use FP16 half-precision inference')
opt = parser.parse_args()
opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1 # expand
print_args(FILE.stem, opt)
return opt版权声明：本文为CSDN博主「柯基的小屁墩」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/WinterSeven/article/details/121413874
暂无评论