YOLOv9使用教程(包括YOLOv9+DeepSORT)

完整教程来自：

How to Train YOLOv9 on a Custom Dataset

YOLOv9+DeepSORT教程和代码：

GitHub - sujanshresstha/YOLOv9_DeepSORT: This repository contains code for object detection and tracking in videos using the YOLOv9 object detection model and the DeepSORT algorithm.

本文旨在记录学习，如有侵权则会删除。

1. 安装YOLOv9软件包和第三方库：

git clone https://github.com/SkalskiP/yolov9.git

cd yolov9

pip3 install -r requirements.txt -q

 （可选）可以先检查当前虚拟环境下已有的库，在requirements.txt中注释掉，节省时间

        例如：torch和torchvision

conda list

        如果报超时的错建议把-q去掉，看看是哪个库安装有问题

        -q指静态安装，在安装库的过程中不会打印信息

pip3 install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple

         报错（先不管）：

 ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.

2. 设置主目录下载权重：

        考虑到Ubuntu机子可能没法翻墙，这里不用官网教程。

        先在能翻墙的Windows上下好权重文件再发给Ubuntu。

  GitHub - WongKinYiu/yolov9: Implementation of paper - YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information

         yolov9文件夹下手动建立weights文件夹，保存权重文件

        模型大小：s<m<c<e

        YOLOv9-s和YOLOv9-m还没放出来

3. 模型推理：

        下载一张狗的图片传到Ubuntu

        https://media.roboflow.com/notebooks/examples/dog.jpeg

        对这张图片进行推理：

        保证命令窗在yolov9文件的路径下，下面命令要使用相对路径

python detect.py --weights weights/yolov9-c.pt --conf 0.1 --source data/dog.jpeg --device 0

        

        出现这条语句表示推理成功，在对应路径中可以看到结果

         结果如下：

         在视频上实验速度：

video 1/1 (1046/1050) /home/user/aaLBwork/YOLOv9_DeepSORT-main/yolov9/street.mp4: 384x640 24 persons, 7 bicycles, 1 car, 1 motorcycle, 1 truck, 5 handbags, 3 potted plants, 35.8ms
video 1/1 (1047/1050) /home/user/aaLBwork/YOLOv9_DeepSORT-main/yolov9/street.mp4: 384x640 24 persons, 8 bicycles, 2 cars, 1 motorcycle, 1 truck, 5 handbags, 1 tie, 3 potted plants, 35.3ms
video 1/1 (1048/1050) /home/user/aaLBwork/YOLOv9_DeepSORT-main/yolov9/street.mp4: 384x640 24 persons, 8 bicycles, 1 car, 2 motorcycles, 1 truck, 5 handbags, 1 tie, 3 potted plants, 38.8ms
video 1/1 (1049/1050) /home/user/aaLBwork/YOLOv9_DeepSORT-main/yolov9/street.mp4: 384x640 22 persons, 5 bicycles, 1 car, 1 motorcycle, 1 truck, 4 handbags, 1 tie, 3 potted plants, 36.8ms
video 1/1 (1050/1050) /home/user/aaLBwork/YOLOv9_DeepSORT-main/yolov9/street.mp4: 384x640 23 persons, 6 bicycles, 2 cars, 2 motorcycles, 1 truck, 1 backpack, 3 handbags, 1 tie, 2 potted plants, 36.0ms
Speed: 0.4ms pre-process, 36.4ms inference, 1.0ms NMS per image at shape (1, 3, 640, 640)
 

4. 模型训练：

        0. 找数据集的网站：

        The latest in Machine Learning | Papers With Code

        包含各类文章，数据集，模型排名

        OpenDataLab 引领AI大模型时代的开放数据平台

        国产数据集平台，种类很多（不用翻墙）

        Roboflow Universe: Open Source Computer Vision Community

        针对视觉的数据集交流平台

        1. 数据集下载：

        本博客采用roboflow下载数据集，好处在于：

        几百张图片的小数据集比较好找；能够在下载时提前选择标签类型（txt、json）

        安装roboflow库：

pip install roboflow

        找到数据集对应的下载代码：

        先在Roboflow Universe: Open Source Computer Vision Community找到想要的数据集，点进界面如下图这种所示。

        

        然后点download找到需要的数据集标签类型，例如YOLOv7，点击后选择show download code，就可以看到对应下载代码，例子如下所示：

        

        自建一个dataDown.py文件，把这一段放进dataDown.py文件运行即可。

from roboflow import Roboflow
rf = Roboflow(api_key="****************")
project = rf.workspace("fyp-5uyrm").project("fyp2022")
version = project.version(2)
dataset = version.download("yolov7")

        命令行运行：

python dataDown.py

        有报错cv的错的话，在要先在命令行运行以下代码：

pip uninstall opencv-python

pip install opencv-python-headless==4.8.0.74 -i https://pypi.mirrors.ustc.edu.cn/simple

        2. 开始训练：

python train.py --batch 4 --epochs 20 --img 640 --device 0 --min-items 0 --close-mosaic 15 --data ./FYP2022-2/data.yaml --weights ./weights/yolov9-c.pt --cfg ./models/detect/yolov9-c.yaml --hyp ./data/hyps/hyp.scratch-high.yaml

        实时显示显卡使用情况：

watch -n 1 nvidia-smi

        报错：AttributeError: 'list' object has no attribute 'view'

pred_distri, pred_scores = torch.cat([xi.view(feats[0].shape[0], self.no, -1) for xi in feats], 2).split(
AttributeError: 'list' object has no attribute 'view'

        解决方法：

        去yolov9/utils/loss_tal.py把167行代码更改：

feats = p[1] if isinstance(p, tuple) else p

        改成：

feats = p[1] if isinstance(p, tuple) else p[0] 

        成功运行：

        

        单机多卡分布式训练（DDP）：

python train.py --batch 24 --epochs 20 --img 640 --device 0,1,2,3 --min-items 0 --close-mosaic 15 --data ./FYP2022-2/data.yaml --weights ./weights/yolov9-c.pt --cfg ./models/detect/yolov9-c.yaml --hyp ./data/hyps/hyp.scratch-high.yaml

        报错：Attributeerror: ‘FreeTypeFont‘ object has no attribute ‘getsize‘

pip install Pillow==9.5

        3. YOLO训练KITTI数据集：

        用yolov5训练kitti数据集-CSDN博客

5. YOLOv9+DeepSORT代码运行：

        先在网站下载YOLOv9+DeepSORT源代码并解压：GitHub - sujanshresstha/YOLOv9_DeepSORT: This repository contains code for object detection and tracking in videos using the YOLOv9 object detection model and the DeepSORT algorithm.

        

        将前文中YOLOv9复制一份到YOLOv9_DeepSORT解压后的文件下，文件夹结构如下：

        

        按照前文的教程运行YOLOv9+DeepSORT的requirements.txt文件：

pip3 install -r requirements.txt

        

        核心就是object_tracking.py文件，将object_tracking.py和视频复制到yolov9文件夹中，打开yolov9的文件夹，应当如下所示：

        画框的是上一步操作复制进来的，剩下的是yolov9本身自带的文件。

        然后根据自己下的yolov9权重文件改object_tracking.py的第41行，使权重名称对应：

        

        更改对应的命令行路径：

        

        实现程序运行并保存结果：

$mkdir video_output

$python object_tracking.py --video ./street.mp4 --output ./video_output/output.mp4

        结果展示：

         

        

        

         运行时间：

Frame time: 0.0791172981262207
Frame time: 0.07877635955810547
Frame time: 0.07926011085510254
Frame time: 0.07754135131835938
Frame time: 0.09343552589416504
Frame time: 0.13364338874816895
Frame time: 0.09375524520874023
Frame time: 0.15111160278320312
Frame time: 0.15563488006591797
Frame time: 0.15617108345031738
Frame time: 0.150360107421875
Frame time: 0.14967060089111328