yolov5的安装配置测试
下载yolov5
下载yolov5源码后解压
链接: yolov5.
点击code下载解压包
下载后解压
下载yolov5预训练模型
链接: l训练模型.
并和yolov5源码放在同一位置
其中yolov5s目标检测速度最快,因为其网络参数最少,但相应的,检测效果相比是最差的,而yolov5x是检测效果最好的,参数最多,而时间上最慢。具体使用可以根据实际需要,例如如果目标检测应用场景比较看重速度,就用yolov5s.pt。
安装yolov5
选择一个有torch和torchvision以及opencv的虚拟环境,用aactivate+环境名进入到该虚拟环境中。
命令:python -m pip install -r requirements.txt
等待安装成功就行
测试
识别图片
首先进入yolov5源码的文件夹
例如我这里是:
cd/d d:python/y/yolov5/yolov5
进入后
python detect.py --source ./data/image/bus.jpg
可以在yolov5/runs/detect目录下找到模型输出结果的文件夹 ,这是源码自带的bus.jpg识别效果:
python detect.py --source ./data/image/hll.jpg
注意下载的yolov5里面的文件夹是images我这里是自己改为image
测试成功
用手机ip摄像头测试
打开手机下载的ip摄像头
python detect.py --source http://admin:admin@10.60.25.161:8081
.
实验分析与总结
实验过程中出现了opencv和torch版本太低不能安装成功yolov5的问题,发现了之前在anaconda环境配置中出现的问题,又发现python3.9.7版本没有对应的opencv,以及相应版本的python没有添加到path变量中的问题。又通过解决问题学会了直接在anaconda里面下载opencv而不是像上次实验单独下载opencv,也学会了如何在虚拟环境中降低python的版本。
通过这次试验加深了对虚拟环境的理解,也学会了用yolov5去实现识别图片和视频,但是速度还不是很快,我觉得和python,torch,opencv的版本有关系,当然也和电脑的性能有很大关系,后续准备试试python3.8.8版本。
参考链接
https://blog.csdn.net/HowieXue/article/details/118445766?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163583376616780357221301%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=163583376616780357221301&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2blogsobaiduend~default-1-118445766.pc_v2_rank_blog_default&utm_term=%E5%8D%8A%E5%B0%8F%E6%97%B6yolo&spm=1018.2226.3001.4450