YOLOv5——一个自定义数据集上的端到端目标检测模型

本文来自Amal Laouaj Nozieres

如果关注人工智能新闻，肯定听说过YOLO。

一个关于YOLOv5诞生争议的小故事

YOLO由Joseph Redmon于2016年5月首次创建，这是实时目标检测领域的一场革命。该代码已更新与Ali Farhadi关联的3个版本。Alexey Bochkovskiy于2020年4月推出了YOLOv4。

YOLOv4推出不久，Glenn Jocher发布了YOLOv5。关于这个名字有很大的争议，是因为这个基于Pytorch的新模型与最初的YOLO没有任何关系。

让我们看看YOLOv5如何定制它来识别蘑菇。

这里的想法是在一个标记的蘑菇数据集上训练YOLOv5，保存宝贵的权重，并在Kaggle数据集或蘑菇的任何图像上进行检测。

首先，可以在python环境中的Jupyter笔记本上或直接在终端控制台窗口上尝试下面的命令。在终端控制台窗口中做更简单，但是如果想打包并重试，在Jupyter笔记本下的函数中封装代码更容易。如果你不想在电脑上安装任何东西，就可以直接在googlecolab笔记本上试用。
下载带有边界框的标记数据集

我们需要的是一个数据集，每个图像都包含检测对象——蘑菇。因此，该模型才能够预测/检测蘑菇在未看到的图像上的位置。