YOLOv5解析
文章平均质量分 53
解析YOLOv5,
K同学啊
“365天深度学习训练” 报名中,报名微信:mtyjkh_
展开
-
YOLOv5 如何关闭wandb
【代码】YOLOv5 如何关闭wandb。原创 2023-09-11 11:07:16 · 612 阅读 · 0 评论 -
yolov5中的best.pt是如何确定的
好理解,就是最后一个epoch的输出,但是best是啥意思?中的fitness函数,可以看到是将。我们来一行行看train.py源码。按照1:9的比重确定最佳模型的。原创 2023-08-04 11:14:58 · 2505 阅读 · 0 评论 -
YOLO算法改进指南【中阶改进篇】:3.添加SA-Net注意力机制
当前的 CNN 中的 attention 机制主要包括:channel attention 和 spatial attention,当前一些方法(GCNet 、CBAM 等)通常将二者集成,容易产生 converging difficulty 和 heavy computation burden 的问题。尽管 ECANet 和 SGE 提出了一些优化方案,但没有充分利用 channel 和 spatial 之间的关系。原创 2023-04-26 10:22:57 · 1618 阅读 · 12 评论 -
YOLOv5解析 | 参数与性能指标
:Confidence Threshold,置信度阈值。只显示预测概率超过conf_thres的预测结果。:Intersect over Union Threshold,交并比阈值。:以某种方式计算AP值来表达PR图的面积:每个类的AP值的平均数。用于表达多类标签预测的性能,如AP一样,mAP越高,性能越好。......原创 2022-06-12 17:24:49 · 6817 阅读 · 1 评论 -
YOLOv4解析 | 第二篇:用YOLOv4训练自己的数据集(超级详细完整版)
📌项目下载地址:【百度网盘】在 文件中添加自己的类别运行voc_annotation.py文件生成里面的.txt文件以及训练用的、文件在 位置下添加权重文件 直接运行 文件即可~原创 2022-06-08 15:36:57 · 7308 阅读 · 25 评论 -
注意力机制 SE-Net 原理与 TensorFlow2.0 实现
SENet 是 ImageNet 2017(ImageNet 收官赛)的冠军模型,是由WMW团队发布。具有复杂度低,参数少和计算量小的优点。且SENet 思路很简单,很容易扩展到已有网络结构如 Inception 和 ResNet 中。已经有很多工作在空间维度上来提升网络的性能,如 Inception 等,而 SENet 将关注点放在了特征通道之间的关系上。其具体策略为:通过学习的方式来自动获取到每个特征通道的重要程度,然后依照这个重要程度去提升有用的特征并抑制对当前任务用处不大的特征,这又叫做“特征重标定原创 2022-06-06 10:25:19 · 4182 阅读 · 4 评论 -
YOLOv5解析 | 绘制results.csv文件数据对比图
功能描述我们在写论文过程中,通常是需要附带上改进后YOLOv5算法与改进前YOLOv5算法的mAP_0.5值对比图,可以使用下面的代码来生成这个对比图。代码实现import csvimport matplotlib.pyplot as pltimport pandas as pdimport numpy as npplt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签plt.rcParams['axes.unicode_minu原创 2022-05-30 16:11:56 · 9316 阅读 · 15 评论 -
YOLOv4 如何评估训练好的模型
文章目录第一步,复制训练好的权重文件到指定文件夹第二步,确认权重文件路径正确(yolo.py文件)第二步,运行评估文件(get_map.py文件)第一步,复制训练好的权重文件到指定文件夹从log文件夹中选择训练好的权重文件到./model_data/文件夹当中第二步,确认权重文件路径正确(yolo.py文件)yolo.py文件位置:./文件位置(主目录下)第二步,运行评估文件(get_map.py文件)get_map.py文件位置:./文件位置(主目录下)...原创 2022-05-28 21:03:58 · 1094 阅读 · 1 评论 -
YOLOv5解析 | 番外篇:如何改进YOLOv5?
大家好,我是K同学啊!在前面的文章YOLOv5解析 | 第二篇:用YOLOv5训练自己的数据集(超级详细完整版)中我们介绍了使用训练自己的数据集。这一篇文章,我将带大家一起解析 YOLOv5 的 6.0 版本结构,先看看我们模型结构图~由于YOLOv5存在多个版本,所以你在网上可能会看到许多不同版本是网络结构图。(这里放的是最新的YOLOv5 的 6.0 版本结构图)文章目录一、YOLOv5的结构文件二、修改网络结构一、YOLOv5的结构文件我们如何找到YOLOv5的结构文件?文件定位:…/原创 2022-05-23 11:00:17 · 24279 阅读 · 8 评论 -
YOLOv5解析 | 第二篇:用YOLOv5训练自己的数据集(超级详细完整版)
大家好,我是K同学啊!我们接着上一篇文章 深度学习100例 | 第51天-目标检测算法(YOLOv5)(入门篇) 配置完YOLOv5需要的环境后,今天我们试着用YOLOv5训练自己的数据。(在开始本教程前,记得先跑一遍入门篇,确保其他环境是正常的)有图有真相,先看看我昨天的运行结果【YOLOv5 源码地址】🚀 我的环境:语言环境:Python3.8编译器:PyCharm深度学习环境:torch==1.10.0+cu113torchvision==0.11.1+cu113原创 2022-05-10 12:00:00 · 7460 阅读 · 12 评论 -
YOLOv5解析 | 第一篇:快速部署YOLOv5模型
大家好,我是『K同学啊』!拖了好久,终于要开始目标检测系列了。自己想过好几次,想尽快出几期目标检测算法的博客教程,但是一直苦于不知道如何写,才能让大家轻松、快速、高效的入门目标检测算法。这段时间终于有个一个比较靠谱的思路。我是这样计划的:首先,带大家先将算法跑起来,不然都不知道在干嘛,纯理论的东西看着头都大了,然后,教大家将官方的数据集更换成我们自己的数据集,并完成模型的训练。其次,在我们代码可以运行的情况下,从整体上讲解算法的结构。最后,挑选代码中一些比较关键的点,进行详细讲解。文章目录一、前言二、原创 2022-05-09 13:57:12 · 12429 阅读 · 4 评论 -
验证集精度高于训练集精度的原因分析
🔗 运行环境:python3🚩 作者:K同学啊🥇 精选专栏:《深度学习100例》🔥 选自专栏:《新手入门深度学习》📚 推荐专栏:《Matplotlib教程》🧿 优秀专栏:《Python入门100题》数据集太小的话,如果数据集切分的不均匀,或者说训练集和测试集的分布不均匀训练集的数据做了一系列的增广,如旋转,仿射,模糊,添加噪点等操作;过多的增广使得训练集分布产生了变化。模型正则化过多,比如训练时dropout过多,和验证时的模型相差较大,验证时是不会有dropout的。.原创 2022-05-06 15:29:33 · 4766 阅读 · 1 评论 -
yolov5训练时报错 OSError: [WinError 1455] 页面文件太小,无法完成操作。 Error loading
将 batch-size 调小即可原创 2022-05-05 14:23:25 · 1155 阅读 · 1 评论 -
YOLOv5训练&检测流程
第一步:将训练所用数据分别放入Annotations、images文件夹当中当中第二步:删除以下文件,仅删文件请勿删除文件夹在每一次训练、数据集发生变动、文件夹重命名后,需要重新生成以下文件第三步:依次运行split_train_val.py、voc_label.py文件重新生成第二步中删除的文件第四步:确认train.py文件中的训练配置并并运行第五步:记录训练结果📌 备注:项目文件夹不要以中文命名...原创 2022-04-14 10:24:11 · 3472 阅读 · 0 评论 -
目标检测 - 如何在图片中标记Annotations中的坐标信息?
先看我们代码的效果:原始图片:加载坐标信息后的图片:我的文件结构是这样的:这是我用于处理的代码:import osimport cv2 as cvimport xml.etree.ElementTree as ETdef xml_to_jpg(imgs_path, xmls_path, out_path): imgs_list = os.listdir(imgs_path) #读取图片列表 xmls_list = os.listdir(xmls_path) # 读原创 2021-11-16 10:36:07 · 2584 阅读 · 0 评论 -
Python3 实现批量图像数据增强(扩增)并复制xml标签文件【目标检测笔记】
增强效果:# -*- coding: utf-8 -*-import cv2import numpy as npimport os.pathimport shutil# 椒盐噪声def SaltAndPepper(src, percetage): SP_NoiseImg = src.copy() SP_NoiseNum = int(percetage * src.shape[0] * src.shape[1]) for i in range(SP_NoiseNum原创 2022-01-09 11:05:20 · 1461 阅读 · 1 评论 -
使用 labelImg 制作YOLO系列目标检测数据集(.xml文件)
第一步: WIN键+R 输入cmd 打开命令行窗口第二步: 在命令行窗口中输入pip3 install labelImg,安装 labelImg第三步: 输入labelImg 打开labelImg窗口第四步:原创 2021-12-28 16:45:52 · 2253 阅读 · 0 评论 -
mAP@0.5 与 mAP@0.5:0.95 是什么意思,YOLOv5
mAP@0.5: mean Average Precision(IoU=0.5)即将IoU设为0.5时,计算每一类的所有图片的AP,然后所有类别求平均,即mAP如图所示,AP50,AP60,AP70……等等指的是取detector的IoU阈值大于0.5,大于0.6,大于0.7……等等。数值越高,即阈值越大,精度越低。mAP@.5:.95(mAP@[.5:.95])表示在不同IoU阈值(从0.5到0.95,步长0.05)(0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85.原创 2021-12-23 15:48:33 · 22570 阅读 · 8 评论 -
什么是消融实验(Ablation experiment) 深度学习 YOLOv5
有一点像控制变量的感觉。因为作者提出了一种方案,同时改变了多个条件/参数,他在接下去的消融实验中,会一一控制一个条件/参数不变,来看看结果,到底是哪个条件/参数对结果的影响更大。...原创 2021-12-23 15:45:18 · 6531 阅读 · 0 评论 -
深度学习100例 | 第53天:用YOLOv5训练自己的数据集(超级详细完整版)
大家好,我是K同学啊!我们接着上一篇文章 深度学习100例 | 第51天-目标检测算法(YOLOv5)(入门篇) 配置完YOLOv5需要的环境后,今天我们试着用YOLOv5训练自己的数据。(在开始本教程前,记得先跑一遍入门篇,确保其他环境是正常的)有图有真相,先看看我昨天的运行结果【YOLOv5 源码地址】文章目录一、准备好自己的数据二、运行 split_train_val.py 文件三、生成 train.txt、test.txt、val.txt 文件四、创建 ab.yaml 文件五、聚类得出先验原创 2021-11-04 11:02:24 · 4524 阅读 · 4 评论 -
深度学习100例 | 第51天-目标检测算法(YOLOv5)(入门篇)
大家好,我是『K同学啊』!拖了好久,终于要开始目标检测系列了。自己想过好几次,想尽快出几期目标检测算法的博客教程,但是一直苦于不知道如何写,才能让大家轻松、快速、高效的入门目标检测算法。这段时间终于有个一个比较靠谱的思路。我是这样计划的:首先,带大家先将算法跑起来,不然都不知道在干嘛,纯理论的东西看着头都大了,然后,教大家将官方的数据集更换成我们自己的数据集,并完成模型的训练。其次,在我们代码可以运行的情况下,从整体上讲解算法的结构。最后,挑选代码中一些比较关键的点,进行详细讲解。文章目录一、前言二、原创 2021-09-13 10:29:53 · 2641 阅读 · 2 评论