YOLOV5训练

最新推荐文章于 2024-07-06 17:48:06 发布
最新推荐文章于 2024-07-06 17:48:06 发布
阅读量2.1k 收藏 6
点赞数
分类专栏： 机器视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jaccen2012/article/details/108983625
版权

简介

   YOLOv4还没有退热，YOLOv5就已经来了！

      6月9日，Ultralytics公司开源了YOLOv5，离上一次YOLOv4发布不到50天，不过这一次的YOLOv5是基于PyTorch实现的，而不是之前版本的darknet！

      根据官方给出的数字，YOLOv5的速度最快可以达到每秒140帧（FPS），但是权重文件只有YOLOv4的1/9，而且准确度更高。本次的发布的YOLOv5并不是一个单独的模型，而是一个模型家族，包括了YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x，要求Python 3.7和PyTorch 1.5以上版本。

1、环境

  Ubuntu

https://github.com/ultralytics/yolov5

2、数据标注---制作自己的数据集

工具labelImag ，Yolo为Txt格式

 https://github.com/jaccen2007/labelImg

 

3、数据集,可以使用已经标注过的公共数据集

https://public.roboflow.com

 

4 以口罩为例

yolov5l.yaml中80修改为2， 主要是2个分类，戴口罩与不戴口罩。

漫长的等待后

5、测试

      python detect.py --weight weights/best.pt --source  ../mask/test/images/***.jpg 

jaccen
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
YOLOv5训练速度慢的一些解决方法
weixin_54048889的博客
11-19 2万+
针对自建数据集，yolov5模型训练速度很慢的可能原因和解决方法。
YOLOV5 训练，前n个epoch不计算mAP（加快训练速度）
tty_fu的博客
06-02 375
由于每次迭代计算mAP需要耗费时间，不计算mAP可以加快迭代速度。只修改一行代码即可实现前n个epoch不计算mAP，从第n+1个epoch开始正常计算mAP。
yolo5_gpu_class:yolov5 C ++ GPU版本，速度70msframe
03-11
yolo5_gpu_class yolov5 C ++ GPU版本，速度70ms / frame 网络使用cuda加速 net.setPreferableBackend(dnn::DNN_BACKEND_CUDA); net.setPreferableTarget(dnn::DNN_TARGET_CUDA); 常规函数使用UMat加速 Mat uFunction(frame) { UMat uimg; Mat result; frame.copyto(uimg) ####process uimg like img canny(uimg) ####process uimg like img uimg.copyto(result) return result } mat->umat 1.5ms umat版本函数有很多会被加速5,6倍 umat-mat 1ms
yolov5超详细环境搭建和模型训练
最新发布
qq_47540436的博客
07-06 2776
第一部分 算法环境搭建。
一块RTX 3090加速训练YOLOv5s，时间减少11个小时，速度提升20%
OneFlow深度学习框架
12-07 1万+
很高兴为大家带来One-YOLOv5的最新进展，在《一个更快的YOLOv5问世，附送全面中文解析教程》发布后收到了很多算法工程师朋友的关注，十分感谢。不过，可能你也在思考一个问题：虽然OneFlow的兼容性做得很好，可以很方便地移植YOLOv5并使用OneFlow后端来进行训练，但为什么要用OneFlow？能缩短模型开发周期吗？解决了任何痛点吗？本篇文章将尝试回答这几个问题。我曾经也...
Jetson Nano（ 五） TensorRT yolov4 yolov4-tiny yolov5 实测
爬山的咸鱼
11-26 6241
TensorRT yolov4 yolov4-tiny yolov5 软硬件环境： Jetson Nano 4G JP 4.4.1 CUDA 10.2 TensorRT 7.1.3.0 Pytorch 1.6.0 参考大佬项目： https://github.com/enazoe/yolo-tensorrt作者封装了模型的转换 https://github.com/wang-xinyu/tensorrtx https://github.com/jkjung-avt/tens
yolov5训练visdrone数据集
05-09
总之，使用YOLOv5训练VisDrone数据集涉及数据预处理、模型配置、训练、验证和部署等多个环节，整个过程需要深入理解YOLOv5的架构和VisDrone数据集的特点，以便优化模型性能并满足具体应用场景的需求。在实际操作中，...
YOLOv5训练笔记
11-03
YOLOv5训练笔记主要涉及的是使用YOLOv5模型进行目标检测的实践过程，包括环境配置、数据准备和模型训练。以下是对这些知识点的详细解释： 1. **环境安装**： - 首先，为了运行YOLOv5，需要创建一个Python虚拟环境...
Visdrone数据集YOLOv5训练权重 yolov5-5.0-visdrone.zip
01-20
Visdrone数据集YOLOv5训练权重： 1、包括训练好的YOLOv5s-visdrone.pt 和yolov5m-visdrone.pt两个模型 2、包含各种训练曲线 3、包含相关场景测试视频 4、附上了yolov5-5.0的代码
YOLOv5快速训练助手
06-08
一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的...
Visdrone数据集YOLOv5训练权重+pyqt界面
06-09
1、yolov5下俯视场景下车辆行人检测视觉检测，包含YOLOv5s和YOLOv5m两种训练好的visdrone数据集权重，以及PR曲线，loss曲线等等，有pyqt界面，目标类别为车辆行人等 2、pyqt界面可以检测图片、视频、调用摄像头 3、...
yolov5系列速度测试
sinat_16423171的博客
12-02 7484
图像输入大小为640*640，测试环境不一样，结果会有出入，仅供参考： cpu gpu size yolov5_s 0.225s 0.012s 95.2M yolov5_m 0.366s 0.016s 43.3M yolov5_l 0.553s 0.018s 14.8M yolov5_n 0.136s 0.010s 4M yolov5_n6.0 0.143s 0.012s 6.
yolov5训练太慢的解决方案
m0_63251896的博客
03-03 1872
yolov5训练太慢的解决方案
yolo5简介说明
热门推荐
qq_26420885的博客
01-12 2万+
yolov5介绍
Yolov5核心基础知识
weixin_44902604的博客
02-21 2405
相对于YOLOv4，YOLOv5在原理和方法上没有做太多的改进，但是在速度和模型大小比yolov4有比较大的提升，也可以认为是牺牲了模型的大小，换来了准确率和速度的增加。接下来，从yolov5的网络结构，以及核心内容进行分析。
YOLOv5入门（六）目标检测性能评价指标与结果分析
mw的博客
05-03 8492
本篇博客主要讲解训练yolov5的train.py生成的结果文件各个图片和其中指标的含义，以及在评估模型和发表论文时主要用到的参数
YOLOv5 对决 Faster RCNN，谁赢谁输？（转载）
诗筱涵的博客
07-26 4615
摘自：https://mp.weixin.qq.com/s/fKHcKHhCmymFf0fBKbej_g 因为我i看无人机的目标检测也是用的YOLO YOLOv5 对决 Faster RCNN，谁赢谁输？ 机器学习研究组 前天 作者 | Priya Dwivedi 译者 | Sambodhi 策划 | 李冬梅 YOLOv5 在深度学习社区炒得沸沸扬扬。最近有篇 博文 是如此介绍 YOLOv5 的：它是最先进的目标检测，FPS 高达 140。这一言论，立即在 Hacker N...
优化+量化，让你的YOLOv8获得1000+ FPS性能
m0_59448707的博客
03-17 1万+
YOLOv8的性能到底怎么样？如果说利用OpenVINO™的量化和加速，利用英特尔®CPU、集成显卡以及独立显卡与同一代码库无缝协作，可以获得1000+ FPS的性能，你相信吗？那不妨继续往下看，我们将手把手的教你在利用OpenVINO™实现这一性能。
yolov5 pt转onnx_YOLOv5来了！YOLOv4发布不到50天，它带着推理速度140帧/秒来了
weixin_39597323的博客
11-21 306
贾浩楠 发自 凹非寺量子位 报道 | 公众号 QbitAIYOLOv4还没有退热，YOLOv5已经发布！6月9日，Ultralytics公司开源了YOLOv5，离上一次YOLOv4发布不到50天。而且这一次的YOLOv5是完全基于PyTorch实现的！在我们还对YOLOv4的各种骚操作、丰富的实验对比惊叹不已时，YOLOv5又带来了更强实时目标检测技术。按照官方给出的数目，现版本的YOLOv5每个...
windows yolov5训练模型
07-04
Windows 上训练 YOLOv5（You Only Look Once v5）模型是一个常见的计算机视觉任务，通常用于实时目标检测。YOLOv5 是一种强大的物体检测算法系列，其特点是速度较快且准确度较高。以下是使用 Windows 进行 YOLOv5 训练的基本步骤： 1. **安装依赖**： - Python和必要的库，如 PyTorch、torchvision、mmdetection等。 - 安装Darknet框架（YOLOv5基于Darknet），可以从GitHub上下载预编译版本或源代码构建。 2. **数据准备**： - 获取合适的数据集，如COCO、VOC等，并按照YOLOv5的要求将其转换为YOLO所需的格式。 3. **下载预训练权重**： - 下载官方提供的YOLOv5预训练权重，以便更快地开始训练。 4. **配置文件**： - 使用`yolov5/train.py`脚本中的`config.py`文件调整模型参数，包括学习率、批大小、训练轮数等。 5. **训练过程**： - 执行命令`python train.py --cfg yolov5s.yaml --data ./data --weights yolov5s.pt`，这里`s`表示模型规模，`cfg`是配置文件，`weights`是初始权重。 - 训练过程中可能需要调整超参数并监控验证损失和精度。 6. **保存模型**： - 当训练达到满意的性能后，使用`save()`函数将模型保存到本地。 **相关问题--:** 1. 如何在Windows上安装Darknet？ 2. YOLOv5支持哪些数据集格式？ 3. 如果我没有足够的GPU内存，如何调整训练参数来优化资源使用？
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值