0. 工具版本
- Python 3.8.5
- pycharm 2020.1.3
- YOLO V5
- PyTorch 1.6.0
- 其他依赖包
1. 搭建环境
- 从yovoV5官方网站下载源代码
- 解压源程序,复制到项目目录下。我这里的项目名是yolo v5
- 安装第三方依赖包,使用到的依赖包已经在requirements.txt记事本文件中。所以只用在控制台中执行以下命令:
pip insatll -U -r requirements.txt
2. 准备数据
- 准备好含有目标的图片(越多越好)
- 使用labelImg为准备好的图片打标签。打标签的教程在这里:打标签教程
- 在YOLO V5的同级目录下建立coco128文件夹,一定要注意这个文件夹和yoloV5文件夹是并列的,而不是其子文件夹!coco128的目录结构为:
images文件夹中存放图片文件,labels文件夹中存放标签文件。train2017中存放的都是训练集,val2017中存放验证集。
3. 开始训练
-
修改训练参数
根据电脑配置和数据情况修改上图中的执行参数。 -
修改配置文件
根据上图中配置好的参数,修改配置文件。例如,在上图中选择了coco128.yam,则需要在coco128.yam文件中配置目标检测的种类及其数量。# number of classes nc: 2 # class names names: ['ball', 'fish']
在以上测试数据中,只有“ball”和“fish”两种数据。
同理,由于选择了yoloV5S,需要修改yolov5s.yam文件中的设置。只用修改nc变量的值。 -
执行train.py文件,开始训练。
日志输出正常,等待漫长的训练结束即可。
4. 效果
基本能够识别