YOLOV5安全帽监测

 项目地址

https://github.com/gump792/-YOLOV5-HelmetsMonitoringhttps://github.com/gump792/-YOLOV5-HelmetsMonitoring

有兴趣的可以看下我的配置过程（以记录用于自己学习为主，有兴趣的可以看下）

1.从https://github.com/ultralytics/yolov5/tree/v5.0下载YOLOV5

2.再从https://github.com/ultralytics/yolov5/releases下载权重文件，我采取的是yolov5s.pt

3.修改data目录下的相应的yaml文件。找到目录下的voc.yaml文件，将该文件复制一份，将复制的文件重命名，最好和项目相关，这样方便后面操作。我这里修改为hat.yaml。

# PASCAL VOC dataset http://host.robots.ox.ac.uk/pascal/VOC/
# Train command: python train.py --data voc.yaml
# Default dataset location is next to /yolov5:
#   /parent_folder
#     /VOC
#     /yolov5


# download command/URL (optional)
#download: bash data/scripts/get_voc.sh

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: F:\YOLOV5\yolov5-5.0\VOCdevkit\images\train  # 5957 images
val: F:\YOLOV5\yolov5-5.0\VOCdevkit\images\val  # 1624 images

# number of classes
nc: 2

# class names
names: [ 'hat', 'person']

由于该项目使用的是yolov5s.pt这个预训练权重，所以要使用models目录下的yolov5s.yaml文件中的相应参数（因为不同的预训练权重对应着不同的网络层数，所以用错预训练权重会报错）。同上修改data目录下的yaml文件一样，我们最好将yolov5s.yaml文件复制一份，然后将其重命名，我将其重命名为hat.yaml。打开hat.yaml文件只需要修改如图中的数字就好了，这里是识别两个类别，故改为2。 

至此，相应的配置参数就修改好了。

 如果上面的数据集和两个yaml文件的参数都修改好了的话，就可以开始yolov5的训练了。首先我们找到train.py这个py文件。

    parser.add_argument('--weights', type=str, default='weights/yolov5s.pt', help='initial weights path')
    parser.add_argument('--cfg', type=str, default='models/yolov5s_hat.yaml', help='model.yaml path')
    parser.add_argument('--data', type=str, default='data/hat.yaml', help='data.yaml path')

还有几个需要根据自己的需求来更改的参数：

'--epochs'

'--batch-size'

'--workers'

  以上都设置好了就可以训练了。但是pycharm的用户可能会出现如下的报错。这是说明虚拟内存不够了。

 可以根据如下的操作来修改，在utils路径下找到datasets.py这个文件，将里面的第81行里面的参数nw改完0就可以了。