Yolov5配置傻瓜教程

软硬件环境

Win10+anaconda（python3.7）+gtx 1660ti+cuda 10.1+pytorch 1.7+YOLOv5

 

介绍：

2020年6月25日，Ultralytics发布了YOLOV5 的第一个正式版本，其性能与YOLO V4不相伯仲，同样也是现今最先进的对象检测技术，并在推理速度上是目前最强，yolov5按大小分为四个模型yolov5s、yolov5m、yolov5l、yolov5x。

写这篇教程时的最新版yolov5是2021年1月5日更新的。

安装pytorch：

首先保证自己电脑已经安装了anaconda这里推荐安装最新版，下载地址：

https://www.anaconda.com/

       anaconda自带python，不用再另外下载python。

   

       安装pytorch需要登录网站https://pytorch.org/，

  将Run this Command: 的内容复制在windos控制台内安装。

因为yolov5和pytorch更新很快导致windows版本bug较多，比如我用pytorch1.71+yolov5（4.0）出现了摄像头检测正常不能正确检测视频和图片等问题，为了不浪费时间，这里推荐Windows用户使用我用的torch1.70+cuda10.1.

pip安装口令如下：

pip install torch==1.7.0+cu101 torchvision==0.8.1+cu101 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

下载yolov5：

       Yolov5的官方下载地址：https://github.com/ultralytics/yolov5

点击绿色标志下载yolov5最新版的压缩包，解压完了如下：

该文件为yolov5的前置需求包。

把第一句口令复制下来，然后将win10控制台cd到该文件位置，粘贴回车即可安装所有前置包。

       因为网络原因推荐安装后使用pip list口令对比TXT中的需求检查一遍，没安装上的重新安装，保证必须的基础包都有。

测试：

       将官网下载的yolov5使用pycharm打开，直接运行其中的测试文件detect.py。

       此时程序会自动下载yolov5的权重模型s版，也就是最轻量版，因为国内网路原因下载速度极其慢，如果不想等待可以去官网下载，然后丢根目录中。

       下完完毕后会使用官方案例测试：

测试结果：

下载的yolov5s.pt模型中的权重是用coco数据集训练得来的，可以检测80种不同的物体。

训练模型：

       训练模型首先得需要收集数据集，可以自己用labelImg等工具挨个标注也可以去下载现成的，这里推荐免费公开数据集网站https://public.roboflow.com/。

       下载数据集：

这里选择下载适合yolov5+pytorch版本的：

推荐解压后并将文件放于yolov5官方文件的同级目录或者里面。

将data文件用txt形式打开并且将红框中的内容修改正确的内容。

因为yolov5s可以测试80种物体，但是我们要训练的口罩检测模型只检测戴口罩和不带口罩，所以nc改为2.

 

使用口令进行模型训练：python train.py --img 640 --batch 16 --epochs 300 --data ../mask1.0/data.yaml --cfg models/yolov5s.yaml --weights ''

       --batch后的参数尽可能的大，直到gpu内存不允许为止，该参数为每批训练图片个数。

       --epochs 为训练轮数。

       --img为指定图片大小。

       --cfg 为模型配置文件位置

       --data为训练数据集配置文件位置

       --weights为模型权重配置，后加‘’为初始化参数，不写为使用模型自带的参数。

等待训练完成即可生成权重文件。

测试口令：python detect.py --weight runs\train\exp1\weights/best.pt --source ../mask1.0/test/images

       --weight指定权重文件。

       --source指定测试文件地址，可以是图片地址，视频地址等，也可以是文件夹，当参数为0时是摄像头。

成功