YOLOv5模型训练_coco数据集yolov5，小程序计算机毕设源码

文章目录

• 软硬件环境
• YOLOv5环境配置
• 使用COCO数据集
• 制作自己的数据集
• 使用公开的数据集进行训练
• v3.0版本
• 参考资料

软硬件环境

• ubuntu 18.04 64bit
• anaconda with 3.7
• nvidia gtx 1070Ti
• cuda 10.1
• pytorch 1.5
• YOLOv5

YOLOv5环境配置

请参考之前的文章，YOLOv5目标检测

使用COCO数据集

YOLOv5的预训练模型是基于 COCO数据集，如果自己想去复现下训练过程，可以依照下面的命令

$ python train.py --data coco.yaml --cfg yolov5s.yaml --weights ‘’ --batch-size 64
yolov5m 48
yolov5l 32
yolov5x 16

COCO的数据集可以通过data文件夹下get_coco2017.sh脚本进行下载，包含图片和lable文件。COCO的数据集实在是太大了，整个压缩包有18G，考虑到自己到的网速还有机器的算力，还是洗洗睡吧。。。

制作自己的数据集

如果没有对应目标的公开数据集，那就只有自己出手收集了，图片到手后，接下来就是艰辛的打标签工作了，

LabelImg使用Qt做了图形化的界面，操作还是很方便的，这也是选择它的理由，它提供了默认的class，如果你不需要这些类型的话，可以将其删除

接下来就可以打开exe文件，点击Open导入图片，按下快捷键w，选定目标后，会弹出输入框，写上class名称，就可以了，如果有多个目标，那就继续标

labelImg还支持文件夹的导入，在标完一张后，在左侧选择Next Image就可以切换到下一张继续了。输出格式部分，目前labelImg支持YOLO和PascalOVC2种格式，前者标签信息是存储在txt文件中，而后者是存储在xml中

打完标签后，就可以进行保存了，图片和标签文件我们分开存放，但是文件名是对应的，只是扩展名不同

最后来看看标签文件的内容

一行代表一个目标，格式是

class x_center y_center width height

使用公开的数据集进行训练

下载下来是一个压缩包，解压后，文件夹内的文件结构是这样的

其中文件夹train包含了参加训练的图片以及对应的label文件，两者只有扩展名不同而已，目前图片只有105张。我们将包含数据集的文件夹重命名为mask，存储在yolov5工程的同级目录下

接着修改mask/data.yaml文件内容为

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数同学面临毕业设计项目选题时，很多人都会感到无从下手，尤其是对于计算机专业的学生来说，选择一个合适的题目尤为重要。因为毕业设计不仅是我们在大学四年学习的一个总结，更是展示自己能力的重要机会。

因此收集整理了一份《2024年计算机毕业设计项目大全》，初衷也很简单，就是希望能够帮助提高效率，同时减轻大家的负担。

既有Java、Web、PHP、也有C、小程序、Python等项目供你选择，真正体系化！

由于项目比较多，这里只是将部分目录截图出来，每个节点里面都包含素材文档、项目源码、讲解视频

如果你觉得这些内容对你有帮助，可以添加VX：vip1024c （备注项目大全获取）

目比较多，这里只是将部分目录截图出来，每个节点里面都包含素材文档、项目源码、讲解视频**

如果你觉得这些内容对你有帮助，可以添加VX：vip1024c （备注项目大全获取）
[外链图片转存中…(img-K22lt7oG-1712539938721)]