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。