yolov5目标检测

yolov5模型训练

部署环境：colab
目标检测训练模型: yolov5
标注数据集工具：roboflow

第一步：制作训练数据集

将多啦A梦的20张图片上传到roboflow，save and continue

标注之后生成20张训练数据

将生成的相关数据解压到本地

将解压数据整理成如下

修改data.yaml文件

train: ../train/images
val: ../valid/images


nc: 1
names: ['Ameng']

第二步：打开colab，部署训练环境

克隆官方的yolov5并安装相关依赖

!git clone https://github.com/ultralytics/yolov5  # clone rep
%cd yolov5
%pip install -qr requirements.txt

导入相关包

import torch
from IPython.display import Image, clear_output  # to display images

clear_output()
print('Setup complete. Using torch %s %s' % (torch.__version__, torch.cuda.get_device_properties(0) if torch.cuda.is_available() else 'CPU'))

至此，环境部署完成！！

第三步：上传数据

将第一步生成的文件夹进行压缩，生成data.zip压缩包，上传到colab上。

!unzip data.zip

解压之后将项目目录整理成如下所示,并修改data.yaml文件

第四步：训练模型，生成训练之后的模型

!python train.py --img 640 --batch 50 --epochs 100 --data ../data/data.yaml --weights yolov5s.pt --nosave --cache

第五步：测试图片

!python detect.py --weights /content/yolov5/runs/train/exp/weights/last.pt --img 640 --conf 0.25 --source 001.PNG

---

至此，完成目标识别的一个小demo，想提高精度，可以尝试增加数据集的数量。