YOLOv5快速入门（待续）

一、YOLO简介

概述

YOLO（You Only Look Once）是一种流行的目标检测算法，由Joseph Redmon等人开发。YOLO
算法以其高效的实时性能和准确的检测能力而闻名。自YOLO的首次提出以来，已经经历了多个版本
的更新和改进。以下是YOLO发展史的简要概述：

YOLOv1（2015）
YOLOv1是YOLO系列的开山之作，它将目标检测问题视为一个回归问题，通过一个神经网络直接在
输入图像上进行预测，而不需要使用滑动窗口或区域提议的方法。它将图像划分为SxS的网格，每个
网格单元负责预测中心点落在该单元内的物体的边界框和类别概率。YOLOv1在速度和准确性之间取
得了很好的平衡，尤其是在实时目标检测任务中。

YOLOv2（也称为YOLO9000，2016）
YOLOv2在YOLOv1的基础上进行了改进，提高了检测速度和准确性。引入了批量归一化（Batch
Normalization）和锚框（Anchor Boxes）的概念，以更好地处理不同尺寸的物体。YOLO9000能
够检测多达9000个类别，通过结合ImageNet和COCO数据集进行训练。

YOLOv3（2018）
YOLOv3进一步优化了网络结构，提高了检测精度，尤其是在小物体和复杂场景中。引入了多尺度
预测和新的损失函数，如IoU损失，以改善模型性能。YOLOv3在COCO数据集上取得了显著的性
能提升。

YOLOv4（2020）
YOLOv4由Alexey Bochkovskiy等人开发，旨在实现最佳的速度和准确性。引入了多种新技术，如加
权残差连接（WRC）、跨阶段部分连接（CSP）、跨小批量标准化（CmBN）等，以提高模型的效
率和性能。YOLOv4在保持高速的同时，提供了与两阶段检测器相媲美的准确性。

YOLOv5（2020）
YOLOv5并非由原始YOLO作者团队发布，而是由其他研究者基于YOLOv4进行的改进。YOLOv5在
网络结构和训练策略上进行了优化，以提高检测速度和准确性。它提供了多种大小的模型，以适应
不同的计算资源和应用场景。

YOLOv6（2021）
YOLOv6由美团开发，继续在速度和准确性上进行优化。引入了新的特征金字塔网络（FPN）和注意
力机制，以提高对小物体的检测能力。

YOLOv7（2021）
通过引入新的网络架构和训练技巧，YOLOv7在保持高速的同时，提高了检测的准确性。YOLO系列
算法的发展展示了目标检测领域在速度和准确性方面的不断进步。随着技术的不断发展，YOLO算法
及其变体在计算机视觉和深度学习领域中的应用越来越广泛。

YOLOv8（2023）
YOLOv8的作者和YOLOv5的作者是同一家公司，YOLOv8 的具体创新包括一个新的骨干网络、一个
新的 Ancher-Free（无锚点）检测头和一个新的损失函数。YOLOv8 可以在从 CPU 到 GPU 的各种
硬件平台上运行，提供了一个全新的 SOTA（State of the Art，最先进）模型。YOLOv8 也支持全方
位的视觉 AI 任务，包括检测、分割、姿态估计、跟踪和分类。

二、基本环境

1.miniconda安装

miniconda简介
miniconda是管理python环境的一个工具，因为我的日常任务可能会用各种各样的工具，然而这些工
具需要的Python环境不一样，可能会出现不兼容的情况，所以我们使用mini来部署我们的Python环境
我使用基于Python3.8的miniconda版本（Miniconda3-py38_23.11.0-2-Windows-x86_64.exe）
下载地址如下

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py38_23.11.0-2-Windows-x86_64.exe

Miniconda常用命令
创建环境

conda create  -n y5 python=3.8

列出所有环境

conda env list

激活环境

activate y5

删除环境

conda remove --all -n y5

切换源

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/  --trusted-host https://mirrors.aliyun.com/pypi/simple/

2.安装CPU版本的Pytorch

Pytorch是一个深度学习框架，近些年来称为深度学习领域热门的框架之一，Pytorch有CPU版和GPU
版本。鉴于大家的GPU可能不一样，不同的GPU安装的CUDA不一样。为了统一，所以我这里只安装
CPU的Pytorch，安装代码如下

pip3 install torch torchvision torchaudio

三、下载YOLO代码&安装依赖&推理

安装依赖

同学们可以在Github找到YOLOv5的代码，现在YOLOv5已经迭代到5.7这个版本了，我们使用YOLOv
5.7这个版本来做演示，YOLOv5 .7源码地址如下：

https://github.com/ultralytics/yolov5/tree/v7.0

demo推理图片

demo推理视频

自定义数据集

安装labelme

自定义数据集

转换数据集

目标检测训练

目标检测推理

目标分割训练

目标检测推理

结语