YOLO5-入门1-极链AI云平台部署测试

YOLO5的GitHub地址:
https://github.com/ultralytics/yolov5

选择部署的平台是极链AI云平台
优势：价格便宜，按实际使用时间扣费，适合学生进行科研探索；使用灵活，即用即停；选择较多，可以选择不同的Pytorch、Python、CUDA版本。
官网：https://cloud.videojj.com

部署

部署的环境要求：
Python>=3.6.0 is required with all requirements.txt installed including PyTorch>=1.7

安装过程：

cd /opt # 这一步可以省略，可以安装在自己想要安装的地方
git clone https://github.com/ultralytics/yolov5
cd yolov5
pip install -r requirements.txt

安装完之后，yolov5文件夹下的目录树为：

root@60ed0d8d61d98f582e7fb46b:/opt/yolov5# tree
.
├── CONTRIBUTING.md
├── data
│   ├── Argoverse_HD.yaml
│   ├── coco128.yaml
│   ├── coco.yaml
│   ├── GlobalWheat2020.yaml
│   ├── hyps
│   │   ├── hyp.finetune_objects365.yaml
│   │   ├── hyp.finetune.yaml
│   │   ├── hyp.scratch-p6.yaml
│   │   └── hyp.scratch.yaml
│   ├── images
│   │   ├── bus.jpg
│   │   └── zidane.jpg
│   ├── Objects365.yaml
│   ├── scripts
│   │   ├── download_weights.sh
│   │   ├── get_coco128.sh
│   │   └── get_coco.sh
│   ├── SKU-110K.yaml
│   ├── VisDrone.yaml
│   ├── VOC.yaml
│   └── xView.yaml
├── detect.py
├── Dockerfile
├── export.py
├── hubconf.py
├── LICENSE
├── models
│   ├── common.py
│   ├── experimental.py
│   ├── hub
│   │   ├── anchors.yaml
│   │   ├── yolov3-spp.yaml
│   │   ├── yolov3-tiny.yaml
│   │   ├── yolov3.yaml
│   │   ├── yolov5-fpn.yaml
│   │   ├── yolov5l6.yaml
│   │   ├── yolov5m6.yaml
│   │   ├── yolov5-p2.yaml
│   │   ├── yolov5-p6.yaml
│   │   ├── yolov5-p7.yaml
│   │   ├── yolov5-panet.yaml
│   │   ├── yolov5s6.yaml
│   │   ├── yolov5s-transformer.yaml
│   │   └── yolov5x6.yaml
│   ├── __init__.py
│   ├── yolo.py
│   ├── yolov5l.yaml
│   ├── yolov5m.yaml
│   ├── yolov5s.yaml
│   └── yolov5x.yaml
├── README.md
├── requirements.txt
├── train.py
├── tutorial.ipynb
├── utils
│   ├── activations.py
│   ├── augmentations.py
│   ├── autoanchor.py
│   ├── aws
│   │   ├── __init__.py
│   │   ├── mime.sh
│   │   ├── resume.py
│   │   └── userdata.sh
│   ├── datasets.py
│   ├── flask_rest_api
│   │   ├── example_request.py
│   │   ├── README.md
│   │   └── restapi.py
│   ├── general.py
│   ├── google_app_engine
│   │   ├── additional_requirements.txt
│   │   ├── app.yaml
│   │   └── Dockerfile
│   ├── google_utils.py
│   ├── __init__.py
│   ├── loss.py
│   ├── metrics.py
│   ├── plots.py
│   ├── torch_utils.py
│   └── wandb_logging
│       ├── __init__.py
│       ├── log_dataset.py
│       ├── sweep.py
│       ├── sweep.yaml
│       └── wandb_utils.py
└── val.py

推断

本文中使用detect.py文件进行推断。
如下示例，detect.py可以在各种源上运行YOLOv5推断。

python detect.py --source 0  # webcam
                            file.jpg  # image 
                            file.mp4  # video
                            path/  # directory
                            path/*.jpg  # glob
                            'https://youtu.be/NUsoVlDFqZg'  # YouTube video
                            'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

detect.py的使用方法如下：

optional arguments:
  -h, --help            show this help message and exit
  --weights WEIGHTS [WEIGHTS ...]
                        model.pt path(s)
  --source SOURCE       file/dir/URL/glob, 0 for webcam
  --imgsz IMGSZ, --img IMGSZ, --img-size IMGSZ
                        inference size (pixels)
  --conf-thres CONF_THRES
                        confidence threshold
  --iou-thres IOU_THRES
                        NMS IoU threshold
  --max-det MAX_DET     maximum detections per image
  --device DEVICE       cuda device, i.e. 0 or 0,1,2,3 or cpu
  --view-img            show results
  --save-txt            save results to *.txt
  --save-conf           save confidences in --save-txt labels
  --save-crop           save cropped prediction boxes
  --nosave              do not save images/videos
  --classes CLASSES [CLASSES ...]
                        filter by class: --class 0, or --class 0 2 3
  --agnostic-nms        class-agnostic NMS
  --augment             augmented inference
  --visualize           visualize features
  --update              update all models
  --project PROJECT     save results to project/name
  --name NAME           save results to project/name
  --exist-ok            existing project/name ok, do not increment
  --line-thickness LINE_THICKNESS
                        bounding box thickness (pixels)
  --hide-labels         hide labels
  --hide-conf           hide confidences
  --half                use FP16 half-precision inference

测试语句如下。请注意该语句应该要在yolov5路径下执行。

python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/

运行完该语句后，运行结果图保存在yolov5/runs/detect/exp文件夹下。


如果有想要测试的图片或视频，可以使用Filezilla传输到云服务器：
https://cloud.videojj.com/help/docs/data_manage.html#filezilla
然后修改该推断语句中source后的文件路径。

python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source /mydata_path

关于yolo5的权重文件

以下图源自https://github.com/ultralytics/yolov5。

其他的测试结果