Yolov5学习记录（ubuntu18.04）

Valentina-525

已于 2022-03-18 10:09:50 修改

阅读量4.5k

点赞数

文章标签：深度学习 pytorch 目标检测

于 2022-03-18 10:07:40 首次发布

本文链接：https://blog.csdn.net/m0_47700906/article/details/123318261

版权

这篇博客介绍了如何安装和运行Yolov5进行目标检测，包括创建Python虚拟环境、克隆项目、安装依赖并进行测试。同时，详细讲解了如何使用labelImg为图片加标签制作自己的数据集，并提到了Roboflow网站作为扩展数据集的资源。此外，还展示了如何指定权重文件和调整置信度阈值以检测不同输入源。

摘要由CSDN通过智能技术生成

一、安装Yolov5

1、创建python3.8虚拟环境（要求python>=3.7）

conda create -n yolov5 python=3.8
source activate yolov5

2、克隆项目

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

3、安装环境依赖

cd yolov5
pip install -U -r requirements.txt

4、测试

在yolov5文件夹里打开终端，执行：

python detect.py --source 0  # webcam
                            file.jpg  # image 
                            file.mp4  # video
                            path/  # directory
                            path/*.jpg  # glob
                            'https://youtu.be/NUsoVlDFqZg'  # YouTube video
                            'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

把 0 换成下面的指令就可以去检测别的，比如换成图片路径即为检测图片。
如果没有指定权重，则会自动下载默认的COCO预训练权重模型yolov5s.pt，最终检测结果会保存在./runs/detect/文件夹中。
我们还可以指定权重文件，权重文件下载链接为，将下载好的权重文件放在yolov5/weights/文件夹中，下述命令使用yolov5m.pt去检测./data/image文件夹中的所有图片和视频，并设置置信度为0.5：

python3 detect.py --source ./data/images/ --weights ./weights/yolov5m.pt --conf 0.5

二、制作自己的数据集

1、使用labelImg给图片加标签

pip3 install labelImg
labelImg

打开图片所在文件夹
修改存放目录
按 w 框选，添加标签
保存-下一张

2、扩展数据集

网站：Roboflow: Give your software the power to see objects in images and video