yolo快速上手、小白

yolov5 快速上手

yolo是一个开源免费的目标检测模型，能够通过简单的训练实现对目标的各种检测。

使用到的软件等

pycharm、conda(python创建虚拟环境)

下载yolo代码

项目创建

新建一个文件夹，在该文件夹里面放项目代码，这里使用的项目名字为yolov5，给该项目配置python解释器，推荐使用conda新建一个虚拟环境，安装依赖的时候不容易出现各种报错

如果使用的是已有的python解释器，在安装依赖库的时候可能会遇到一些错误。

github链接

ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite (github.com)

点进去之后下载该项目下的代码到本地

• 可以直接下载zip文件

• 也可以使用git命令将代码进行copy

  git命令git clone https://github.com/ultralytics/yolov5.git

  注意执行命令时所在的文件目录，会直接将代码copy到当前目录

将代码粘贴到项目文件夹里面，使用pycharm打开该文件夹

代码简单介绍(可以先跳过)

train.py 文件 ：用来训练模型的代码

detect.py 文件：用来检测的代码

data文件夹：数据集文件夹

data文件夹下面的 yaml文件：模型参数的标记

可以打开一个看一下，

其中：

path 是数据集文件的存放位置

names下面的编号：训练之后的模型展示出来的标签，如下图

安装依赖库

注意要先切换到当前文件目录下面

比如我把代码放在了yolov5文件夹下面，此时终端的位置也要在yolov5文件夹下

如果使用的是conda环境，注意切换到新建的环境下面

执行代码pip install -r requirements.txt

安装所需要的依赖

使用yolo训练模型

这里用到的时项目自带的数据集，在copy代码的时候已经一同复制下来了

在终端执行命令python train.py --data coco128.yaml --weights yolov5s.pt --epochs 5

这里使用的是coco128的数据集，可根据需要进行选择

注意： 执行该代码可能需要科学上网，第一次执行还会下载一个配置文件，访问的链接是需要科学上网的，而且数据集文件会自动下载，也是需要的

python表示执行python文件

前面带--的表示终端的参数，这些参数具体都可以在train.py文件夹下面的parse_opt函数里找到，具体的含义可以去看一下

--data 表示使用的模型文件, 这里选择的coco128是自带的数据集

--weights 表示使用的训练的版本

--epochs 表示训练的轮数(越高训练的结果越精准)，默认是100轮，这里节省时间选择5轮

按回车键执行该代码，如果不报错的话，电脑开启训练模式，需要等待

一段时间，(这里选择的是使用cpu训练)如果使用gpu速度会更快。

训练结束后在终端的结尾，会告诉你模型的具体位置

一般会在runs文件夹下面的某个exp文件夹里面

这里的best.pt即为训练好的模型

展示效果

这里使用电脑的摄像头进行效果展示，也可以输入视频文件或者图片等进行获得效果

在终端里使用代码python detect.py --source 0 --weights runs/train/exp8/weights/best.pt

注意：

• 这里--socuce 0 表示使用摄像头

• --weighs后面的参数是训练好的模型的位置，根据自己的结果进行更换

系统调出摄像头之后就能看到训练之后的结果了，

类似上图，自带的数据集里面的物理还是很丰富的，可以体验到识别成功的成就感。