YOLOv5（一）

最新推荐文章于 2024-04-21 22:45:20 发布
最新推荐文章于 2024-04-21 22:45:20 发布
阅读量808 收藏 4
点赞数 3
分类专栏： 深度学习 YOLOv5 文章标签： 深度学习
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/m0_46154334/article/details/124388285
版权

这是目录

1 环境部署

1.1 安装pytorch

链接: https://blog.csdn.net/m0_46154334/article/details/124099406.

1.2 克隆yolov5

链接: https://github.com/ultralytics/yolov5.

在这里插入图片描述

Linux系统可以运行命令行

git clone https://github.com/ultralytics/yolov5.git

Windows10系统可以选择下载ZIP文件再解压

下载完成，如下图
在这里插入图片描述

1.3 安装所需库

进入yolov5的路径下，运行命令行

pip install -r requirements.txt

在这里插入图片描述
pytorch最好在前面装好，不然这里可能会报错

1.4 检验

运行命令行，输入

python detect.py --source ./data/images/ --weights yolov5s.pt --conf 0.4
参数含义
source被检测图片路径
weights权重文件
conf置信度

第一次运行时，会下载yolov5s.pt，可能会比较慢，后面就快了

结果如图
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2 数据集制作

2.1 OID数据集

获取链接: https://github.com/EscVM/OIDv4_ToolKit.

git clone https://github.com/EscVM/OIDv4_ToolKit.git
pip3 install -r requirements.txt

在这里插入图片描述
对应路径，数据集下载命令（苹果与橘子）

python main.py downloader --classes Apple Orange --type_csv train
python main.py downloader --classes Apple Orange --type_csv validation

下载会显示很多文件缺失，跟着下就行，下的很慢

下载完成后，部分效果图
在这里插入图片描述

2.2 OID到YOLO数据集格式转换

在这里插入图片描述
本质是标签重写

F:\yolo_project\YOLO-OpenVINO\voctoyolo_dataset_uil.py
修改参数data_dype、clazz_type、root_dir、valid_label_dir多次运行

3 模型配置与训练

3.1 数据集结构

yolov5数据集文件结构

在这里插入图片描述
将第二步的图片和标签复制到以上文件中（VOC可自定义）

3.2 修改配置文件

（1）yolov5/data/VOC.yaml
在这里插入图片描述

参数名值
tarin训练集文件路径
val测试集文件路径
nc种类数目
names种类名称

复制 data 下的 voc.yaml，起一个新的名字如：voc-new.yaml
将以上四个变量值改成自己的数据集对应值

（2）yolov5/model/yolov5s.yaml

在这里插入图片描述
复制 model 下的 yolov5s.yaml，起一个新的名字如：yolov5s-new.yaml
将nc改成与vod-new.yaml中的nc值一致

3.3 训练

在 yolov5 路径下执行 :

python train.py --data data/voc-new.yaml --cfg models/yolov5s-new.yaml --weights yolov5s.pt --batch-size 4 --epochs 1000

训练走起
在这里插入图片描述
结果存储在
./yolov5/runs/train/exp11

在这里插入图片描述

4 模型训练可视化

4.1 下载tensorboard

pip install tensorboard
pip install tensorboardX

Tensorboard是tensorflow内置的一个可视化工具，下载tensorboardX后torch也可以用（不用再下tensorflow，不然环境很容易崩）

4.2 可视化

tensorboard --logdir F:\yolov5\runs\train\exp11

在这里插入图片描述

复制http://localhost:6006/，用浏览器打开

在这里插入图片描述

m0_46154334
关注
  • 3
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
YOLOv5(PyTorch)实战：训练自己的数据集(Windows)
10-09
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高，更加灵活和易用，当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。 本课程的YOLOv5使用ultralytics/yolov5，在Windows系统上做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。 希望学习Ubuntu上演示的同学，请前往 《YOLOv5(PyTorch)实战：训练自己的数据集(Ubuntu)》课程链接：https://edu.csdn.net/course/detail/30793  本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括：《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》Ubuntu系统 https://edu.csdn.net/course/detail/30793Windows系统 https://edu.csdn.net/course/detail/30923《YOLOv5(PyTorch)目标检测：原理与源码解析》课程链接：https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战：Flask Web部署》课程链接：https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战：TensorRT加速部署》课程链接：https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战：Jetson Nano部署》课程链接：https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接：https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接：https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接：https://edu.csdn.net/course/detail/35209《YOLOv5实战垃圾分类目标检测》课程链接：https://edu.csdn.net/course/detail/35284       
【yolov5 教学向】（ 即使在MAC m1芯片下也可以使用yolov5本地训练自己的数据集
Xcz1220的博客
03-29 9392
最近为了应付毕业论文，学习了目标检测，目的是检测车辆和行人，使用了yolov5，想到了是否可以在mac上跑yolov5 ，因为是m1芯片，以及系统的更新，踩了不少坑，总结了几个博主的经验，顺利的在mac上实现了yolov5的训练和检测。踩坑点：pyqt5安装、labelimg安装、yolov5训练时取文件.DS_store无法识别。
YOLOV5实战教程（超级详细图文教程）！！！_yolov5训练
最新发布
2401_84009993的博客
04-21 1090
png)
最新版YOLOv5 6.1使用教程
weixin_43356770的博客
05-09 8004
yolov5 6.1训练自己的数据集/服务器训练，模型部署。
半小时搞定Yolov5安装配置及使用（详细过程）
热门推荐
HowieXue 薛永浩的博客
07-04 10万+
Yolov51. 下载Yolov52. 安装Yolov5 在下载配置Yolov5前，先要安装好Anaconda环境，可参考之前博文：最新Anaconda3的安装配置及使用教程（详细过程） 1. 下载Yolov5 首先下载Yolov5源码： Yolov5 Github地址：https://github.com/ultralytics/yolov5 直接git clone到本地工作目录，等待下载完成： Yolov5代码目录架构： 2. 安装Yolov5 源码下完后，下面开始安装Yolov5所需模块，
yolov5识别数据集
05-20
yolov5识别数据集
yolov5调用摄像头
09-21
yolov5调用摄像头
一种改进YOLOV5的X光违禁品检测模型
04-21
一种改进YOLOv5的X光违禁品检测模型 一种改进YOLOv5的X光违禁品检测模型 一种改进YOLOv5的X光违禁品检测模型 一种改进YOLOv5的X光违禁品检测模型 一种改进YOLOv5的X光违禁品检测模型 一种改进YOLOv5的X光违禁品检测...
我的Yolov5学习一个全过程
04-14
Yolov5学习一个全过程，包括yolov5下载，数据集准备，标注，训练，推理的过程。
yolov5吸烟检测数据集-yolov5抽烟识别检测数据集.zip 文件
06-27
Yolov5吸烟检测数据集是一种用于训练和测试Yolov5模型的数据集，旨在识别和检测图像中的吸烟行为。该数据集包含了大量的图像样本，这些样本涵盖了各种吸烟场景，例如室内、室外、人群中等。 该数据集中的每个图像都...
YOLOv5实战垃圾分类目标检测
06-13
垃圾分类是一项利国利民的民生工程，需要全社会的共同参与。YOLOv5是目前流行的强悍的目标检测技术。本项目采用YOLOv5实现垃圾分类目标检测。利用超万张已标注目标检测数据集进行训练，对居民生活垃圾图片进行检测，找出图片中属于哪个类别的垃圾，并指示出在图片中的位置。本课程的YOLOv5使用PyTorch版的ultralytics/yolov5，分别在Windows和Ubuntu系统上进行垃圾分类目标检测的项目演示。具体项目过程包括：数据集及格式转换、探索性数据分析（EDA）、安装软件环境、安装YOLOv5、修改YOLOv5代码(为支持中文标签）、训练集和测试集自动划分、修改配置文件、准备Weights&Biases训练可视化工具、训练网络模型、测试训练出的网络模型和性能统计。
【零基础上手yolov5】yolov5的安装与相关环境的搭建
罅隙的博客
10-03 5万+
YOLO是最著名的目标检测算法之一，本文将带领大家完成yolov5的安装和相关环境的搭建，即使是python零基础的小白也可以看懂哦
YOLOv5(PyTorch)实战：训练自己的数据集(Ubuntu)
10-08
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高，更加灵活和易用，当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。 本课程的YOLOv5使用ultralytics/yolov5，在Ubuntu系统上做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。 希望学习在Windows系统上演示的学员，请前往《YOLOv5(PyTorch)实战：训练自己的数据集(Windows)》课程链接：https://edu.csdn.net/course/detail/30923本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括：《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》Ubuntu系统 https://edu.csdn.net/course/detail/30793Windows系统 https://edu.csdn.net/course/detail/30923《YOLOv5(PyTorch)目标检测：原理与源码解析》课程链接：https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战：Flask Web部署》课程链接：https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战：TensorRT加速部署》课程链接：https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战：Jetson Nano部署》课程链接：https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接：https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接：https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接：https://edu.csdn.net/course/detail/35209 《YOLOv5实战垃圾分类目标检测》课程链接：https://edu.csdn.net/course/detail/35284  
YOLOV5学习笔记（二）——环境安装+运行+训练
HUASHUDEYANJING的博客
07-29 1万+
每个Epoch第二行是各参数的损失值，在整个Epoch训练结束后，给出精确度等总体信息，并将这个Epoch的过程文件保存在./runs/train/exp文件夹中。train_batch.jpg是一组batch的训练结果图，我们设置一个batch是16，所以16个图片。例如VOC.yaml，文件中给出了训练集和验证集的路径，种类数量为20以及名称。修改【utils】中的【loss.py】里面的两处内容。1.打开你的【utils】文件下的【loss.py】opt.yaml是整个训练过程的配置文件。......
yolov5环境配置
xiao_yang_yang_的博客
02-04 4726
Windows系统下1、安装Anaconda3(我的版本)，配置好环境变量（不同版本环境变量文件可能不同）2、安装电脑对应的显卡版本驱动(NVIDIA GeForce GTX 1050)3、安装CUDA(10.2版本)，成功安装后再安装cuDNN(一定是对应于CUDA版本)4、安装pytorch，配置pytorch环境，克隆yolov5包。
YOLOv5入门实践（1）——手把手带你环境配置搭建
路人贾的博客
04-06 9751
YOLOv5入门实践第一步，手把手带你配置环境
利用yolov实现目标检测——利用yolov5训练自己的猫狗识别模型
m0_67214602的博客
05-01 5509
利用yolov实现目标检测——利用yolov5训练自己的猫狗识别模型
yolov5从下载到训练自己的模型
WorkHard_w的博客
12-09 1978
笔记本电脑完成yolov5训练自己的数据集全过程
yolov5一类置信度低
08-15
对于YOLOv5来说，每个检测到的物体都会有一个置信度（confidence）的值，用于表示该检测结果的可信程度。置信度较低可能意味着模型对该类别物体的检测结果不太确信，或者是该物体在图像中的表现不够明显。这并不意味着YOLOv5只能检测出一类物体，它仍然可以检测多个类别的物体，但置信度较低的检测结果可能需要进一步验证和筛选。使用更大的训练数据集、优化模型参数或调整阈值等方法，可以提高YOLOv5对多类别物体的检测性能。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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