目标检测 YOLOv5-7.0 详细调试&自制数据集实战

一、项目介绍及环境配置

（一）项目解读

（二）版本选择

• v1.0版本写的代码最为简单核心，后面越来越复杂，这是一个项目从想象到成熟必经的过程。高版本的看不懂，可优先去读低版本的

• .pt(.pth)文件：Pytorch中常用的文件扩展名，用于保存和加载模型的权重或整个模型的状态

（三）环境配置

• 解压完压缩包，在Pycharm中打开项目后，进行Python解释器的配置

注：最好一个项目一个环境！！！不然之后很容易依赖冲突！！！别问我是怎么知道的 🤕

• 安装项目中需要用到的库
  

1. 如果作者提供requirments.txt文件
   可利用PyCharm自带的智能提示进行安装，或者利用pip install -r requirments.txt 指令输入终端进行安装
2. 如果作者没有提供requirments.txt文件
   根据运行报错信息，百度，手动安装缺少的库

---

二、如何利用YOLOv5进行预测（detect.py）

（一）main函数中参数的解读

（二）小技巧

（1）网络模型 下载的太慢/直接下载失败 ，怎么办？

A：可以先在GitHub上下下来之后，再复制到当前文件夹（根目录）底下

Step1：Ctrl+C 暂停

Step2：找到项目的Release

Step3：往下翻，找到想要的模型，下载下来

Step4：粘贴到文件夹中

（2）图例

1. resize的原理
   
2. –iou-thres
   iou达到某个阈值后，从下面多个框中选一个最适合的
   

3. 参数解析

4. 设置固定参数配置的位置

---

三、如何训练YOLOv5神经网络（train.py）

（一）本地上训练

（1）main函数中参数的解读

（2）可选参数

（3）训练生成文件的解读

（二）免费云端GPU上训练

（1）进入云端

（2）上传我们的项目

（3）解压缩

（三）运行时的常见报错&解决方法

（1）attributeerror: ‘FreeTypeFont‘ object has no attribute ‘getsize‘

这是因为安装了新版本的 Pillow10 删除了 getsize 功能

• 最容易想到的方法就是降级，降级到 Pillow 9.5 的确可以解决该问题，但有可能会造成其他库的依赖冲突。
• 我们这里讲另外一个方法：
  因为 getsize 方法将在 Pillow10 中被 getbbox 或 getlength 代替
  所以我们可以在 utils / plots.py 文件 的第 91 行，找到 w, h = self.font.getsize(label) ，把他替换成 x, y, w, h = self.font.getbbox(label) ，就可以解决问题。

（2）requests.exceptions.ConnectionError: HTTPSConnectionPool(host=‘drive.google.com’, port=443): Max retries exceeded with url: /uc?id=1Kkx2zW89jq_NETu4u42CFZTMVD5Hwm6e (Caused by NewConnectionError(‘<urllib3.connection.HTTPSConnection object at 0x000001A5052AE640>: Failed to establish a new connection: [WinError 10061] 由于目标计算机积极拒绝，无法连接。’))

这个问题的原因是因为 DeepSORT 里面需要一些权重文件，没有权重文件的话会访问 Google Drive 进行下载，而国内没办法正常访问 Google Drive

• 那么需要我们手动下载权重文件放在 “C:\Users\31923.cache\torch\checkpoints” 里面，同时需要在DeepSORT源代码把联网下载部分注释掉，即可正常运行
• 最好的方法就是把需要下载的文件下载好之后，直接复制到当前文件夹底下

---

四、如何训练与制作自己的数据集

（一）常见的几种情况

（1）有数据集 --> 标注
（2）手动获得数据集 - 人工标注
（3）手动获得数据集 - 半人工标注
用已经训练好的网络对数据集进行简单的标注，再在此基础上进行微调
（4）仿真数据集（GAN，数字图像处理）
参考：https://github.com/Unity-Technologies/SynthDet

（二）实操演练

训练与制作自己的数据集教程参考：tutorials/train_custom_data

（1）数据集的获取

（2）人工/半人工标注

标注工具1：https://github.com/cvat-ai/cvat
标注工具2：https://www.makesense.ai/
标注工具3：labelme/labelimg/roboflow……

（3）创建标准化目录

（4）创建 - - data 数据集参数

（5）训练模型检验

1. 权重参数
   
2. 验证数据参数
   
3. 结果
   

（三）注意事项

---

完