如何无报错运行代码YOLOv5,实现目标识别？

YOLOv3，v5和v8都由Ultralytics这家创业公司开发的

https://github.com/ultralytics/yolov5

1. 环境配置

git clone https://github.com/ultralytics/yolov5.git

作者要求python=3.6（我用的3.8也能跑通）torch1.7.0

pip install -r requirements_my_version.txt

requirements_my_version.txt里面写了这些

matplotlib==3.2.2
numpy==1.18.5
opencv-python==4.1.2.30 # 注意这个地方官方提供的是opencv-python>=4.1.2，但是安装的时候告诉你没有这个版本要你从里面选，我选了30，后面可以运行
Pillow==7.1.2
PyYAML==5.3.1
requests==2.23.0
scipy==1.4.1
torch==1.7.0
torchvision==0.8.1
tqdm==4.41.0

# plotting ------------------------------------

pandas==1.1.4
seaborn==0.11.0

# deep_sort -----------------------------------

easydict

# torchreid

Cython
h5py
six
tb-nightly
future
yacs
gdown
flake8
yapf
isort==4.3.21
imageio

2. 运行

2.1 shell命令行调用

这里是调用detect.py来实现识别

本机摄像头

python detect.py --source 0

# 摄像头的识别过程会被录像下来，并将录像中的人和手机识别出来，并将录像保存在这个文件夹里，每次运行都会在./runs/detect/exp4 文件名叫0.mp4 (4表示是序号为4，下一次运行就是exp5,以此类推)

我截了一张识别后输出的视频里面的图，可以识别出来。（为了保护个人隐私，所以对人脸进行了遮挡）。画面左边的，镜头中的人的一片眼镜片，这个拍摄视角，形状上和一个小碗的形状类似，所以被误识别成了碗bowl。画面右边的那个红白色的抱枕，被误识别成了蛋糕cake.

单张图片

python detect.py --source ./data/images/bus.jpg
    # 图片中人和巴士都被识别出来了

原图长这样

识别以后的图保存在./runs/detect/exp5/bus.jpg

视频

python detect.py --source ./data/video/dandong.mp4

识别出来视频中是这样。人也能识别出来，自行车也识别出来了。

2.2代码内调用YOLOv5实现

你开一个文件叫test.py

touch test.py

在test.py里面写上这一段，然后运行

# 导入模型文件，对指定图片进行识别
import torch

# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # or yolov5m, yolov5l, yolov5x, custom

# Images
img = 'https://ultralytics.com/images/zidane.jpg'  # or file, Path, PIL, OpenCV, numpy, list

# Inference
results = model(img)

# Results
results.print()  # or .show(), .save(), .crop(), .pandas(), etc.
results.show()
results.save()
results.crop()

我将上面这段代码归纳成了三个步骤，我现在和你逐一讲清楚每个步骤在干什么

-S1-下载并加载模型

model = torch.hub.load('ultralytics/yolov5', 'yolov5s') # or yolov5m, yolov5l, yolov5x, custom

你执行这条代码的背后，做了这两小步

# -S1.1-下载代码和模型文件

# 第一个参数“ultralytics/yolov5”，表示把GitHub上项目名为“ultralytics/yolov5”的代码文件夹下载到这个位置“/home/albert/.cache/torch/hub”。后面读取数据、调用模型的代码存在这个位置“/home/albert/.cache/torch/hub/ultralytics_yolov5_master”

去哪里可以找到“ultralytics/yolov5”这个repo的项目名呢？就在这个Github repository网站左上角显示的那个行字，“ultralytics/yolov5”，就是项目名。

第一次运行下载完这个模型代码后，每一次就会去这个这个位置去读取第一次下载的这个代码，不会重复下载的

# 第二个参数“yolov5s”，表示从这个repo的GitHub网址 加上 /releases/（此处为https://github.com/ultralytics/yolov5/releases/）中Asset的众多模型中寻找“yolov5s.pt”文件下载到和本代码文件所在文件夹里。

注意，写yolov5s，不要加.pt,否则会报错，无法运行。

yolov5s.pt的下载地址就在这个网站（https://github.com/ultralytics/yolov5/releases/）Asset一栏中可以找到

# -S1.2-加载代码和模型文件

上面解释两个参数的过程里，我们把代码和模型都下载下来了，现在把这两个东西传入torch.hub.load()这个函数。此时代码和模型都有了。现在只缺数据了，下一步就是把数据传进去。

-S2- 将数据输入代码和模型，完成识别

img = ' https://ultralytics.com/images/zidane.jpg' # or file, Path, PIL, OpenCV, numpy, list

results = model(img)

其实把图片输入进模型里面，识别的结果已经出炉了。下面一步，你可以根据你的需要，用各种方式调用这个识别的结果。

-S3-用各种方式调用这个识别的结果

results.print()

调用这句，会在terminal中打印出来，有几个人，几个什么东西（这里是领带领带）

image 1/1: 720x1280 2 persons, 2 ties

results.show()

会在代码运行结束后吗，会弹出一个像下面这样的窗口，给你显示识别的结果（打长方形框，写label,写上置信度）

results.save()

你运行后,会在./runs/detect/生成一个exp的文件夹，里面只有一张图（如下），图的内容就是识别后的结果。图片的名字和输入图片的名字是一样的

results.crop()

仅仅调用这一句，就可以在生成这样一个文件夹“./runs/detect/exp”。文件夹里面有整张图的识别结果，和一个叫crop的文件夹，里面识别出的每个object单独切割出来变成一个图片。

打开crops里面是所有的object的文件夹，像这张图里面只有两个object，一个是person，一个是tie

person 和tie打开里面就是每一个object单独切开生成的图片

下面是两个人的领带也识别出来了

results.pandas()

这个pandas这个我不知道怎么用，命令行 中没有结果输出，也不会保存东西，打印也出不来什么东西。以后有需要再来研究吧

line8,换成本地图片也是可以运行的

# Images
img = './bus.jpg'

但是换成视频，就会报错。可能这里暂时只支持图片，不支持视频。

line5，可否读取本地的代码？

# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # or yolov5m, yolov5l, yolov5x, custom

——不可以

torch.hub.load()这个函数的官方文档对于第一个参数github的说明如下.

github ( str ) – a string with format “repo_owner/repo_name[:ref]” with an optional ref (tag or branch). If ref is not specified, the default branch is assumed to be main if it exists, and otherwise master . Example: ‘pytorch/vision:0.10’

第一个参数的形式必须是 比“repo_owner/repo_name[版本号]”这样的形式，不可以加载本地的代码。

https://pytorch.org/docs/stable/hub.html

---

关于YOLOv5的一些帖子

https://ultralytics.com/yolov5

YOLOv5来了！基于PyTorch，体积比YOLOv4小巧90%，速度却超2倍https://www.51cto.com/article/618784.html

YOLOv5的文档https://docs.wandb.ai/guides/integrations/yolov5

pytorch上YOLO5的文档https://pytorch.org/hub/ultralytics_yolov5/

https://www.comet.com/docs/v2/integrations/third-party-tools/yolov5/

https://blog.roboflow.com/yolov5-improvements-and-evaluation/