【目标检测】YOLO v5 安全帽检测识别项目模型

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

YOLO v5模型简单易上手好用，工地安全帽实时监测。
YOLO v5 优点：

1. 可识别视频帧数高。
2. 技术成熟，有现成模型。
3. 操作简单。

安全帽识别：

1. 施工地等现场实时监测。
2. 离线监测。
3. 毕设需求。

相关连接：

（1）本文视频教程：https://www.bilibili.com/video/BV1S5411Q7Zi/
（2）xml格式转换成txt格式python脚本：https://item.taobao.com/item.htm?ft=t&id=680464450440
（3）安全帽检测项目YOLO格式数据集10755张图片：https://item.taobao.com/item.htm?ft=t&id=684786312176
（4）YOLO v5 安全帽佩戴识别检测项目模型代码及模型权重：https://download.csdn.net/download/py_jie/85373315
（5）所有相关下载资源【包括（2）,（3）和（4）】：待续~

一、计算机配置

pytorch安装

pytorch有gpu版本和cpu版本，图片识别最好使用GPU版本，前提是电脑有GPU。GPU版本安装的具体步骤可以参考这篇文章：GPU版本安装。

pycocotools的安装

pip install pycocotools-windows

---

二、YOLO v5下载

YOLO v5模型官网，有具体的使用说明和介绍。视频识别帧数杠杠的！

三、模型使用

获取数据集

使用标注好的安全帽数据集，数据集原本是VOC样式，写个脚本，将VOC格式转换成YOLO格式。如为数据集目录及转换脚本。


安全帽数据集YOLO格式数据集文件如下图所示。

如有需要安全帽检测项目YOLO格式数据集可直接下载，该数据集有7500+张图片。安全帽检测项目YOLO格式数据集。

更改train.py文件

学习视频链接：视频教程，但该视频只讲了标注YOLO数据形式及其使用，简介实用易上手。train.py文件修改部分如下图。

本文使用的是YOLO v5s配置文件，预训练模型也是YOLO v5s模型，使用GPU计算，迭代次数为50，训练时间很长，很辛苦！若更改迭代次数为100，训练耗时更长！有关数据集配置文件请参考上方的42视频。

模型权重

使用GPU训练模型，大约几十个小时，如有需要可直接下载–> YOLO v5s 模型权重。该模型权重可直接使用，用于安全帽识别。

训练结果

YOLO v5s 模型训练部分结果如下图所示。

模型训练效果还是很好的，mAP值可以达到0.94以上。

---

四、安全帽监测效果

直接使用上述YOLO v5s 模型权重对安全帽视频进行识别检测，效果还是很好的！

YOLO v5安全帽视频检测,

---

总结

基于YOLO v5 模型，亲测效果好！如有需要可以远程指导。
第一次写博客，版权啥的都不懂，如有侵权必删！请大家见谅哈！