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
YOLO v5安全帽检测模型
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:
- 可识别视频帧数高。
- 技术成熟,有现成模型。
- 操作简单。
安全帽识别:
- 施工地等现场实时监测。
- 离线监测。
- 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!